钢铁产品生产流程长、工艺复杂。其中,炼钢-连铸流程是钢铁生产全流程的关键环节,对钢铁产品的生产效率和质量起着决定性的作用。炼钢-连铸流程涉及众多工艺参数,包括在作业现场检测的工艺参数和生产过程控制参数。其中,生产过程控制参数是指导与控制炼钢-连铸流程的关键工艺参数。因为人工设定指导生产的关键工艺参数有效率低、易出错、参数质量因人而异等弊端。因此,本文基于工艺参数设定值的历史数据,基于机器学习的方法预测不同工艺条件下最优的参数设定值。主要研究内容如下:（1）提出了一套适用于炼钢-连铸流程的数据预处理和特征提取的方法。在综述现有研究成果基础上,对炼钢-连铸的工艺流程以及关键工艺参数进行梳理,从现场获取了实际生产数据;根据工艺先验知识以及数据特点,对数据进行清洗;使用卡方检验和方差分析等统计学方法进行工艺参数之间关联性分析并选择特征工艺参数,为后续模型的构建工作做好准备。（2）提出了基于随机森林的炼钢-连铸流程关键工艺参数预测方法。综述几种分类预测方法以及在炼钢-连铸流程的应用情况,提出了基于随机森林分类算法的炼钢-连铸流程关键参数预测模型,采用k折交叉验证方法训练得到了炼钢-连铸流程关键工艺参数的随机森林预测模型。（3）提出了一种基于集成学习的炼钢-连铸流程关键工艺参数的预测方法。基于对数几率回归算法以及CART树算法,构建了一种混合集成学习模型,并采用k折交叉验证的训练方法获得了集成学习模型的最佳参数。实验结果表明:混合集成学习模型的预测效果比随机森林算法的预测效果有更好的鲁棒性和普适性。（4）基于上述模型及算法研究成果,初步设计并开发了一套炼钢-连铸流程关键工艺参数预测系统。该系统能够根据现场生产制造的标准以及产品工艺成分的输入,预测出关键工艺参数的类别以及准确度,验证了模型的正确性和有效性。