铁矿石烧结是高炉冶炼的第一工序,高炉炼铁工艺是现代钢铁工业生产铁的主要方法,可见,烧结矿质量的优劣与总体钢铁工业效益息息相关。因此,研究铁矿石烧结过程中的机理模型,建立数学模拟模型和烧结矿质量预测模型,有利于改善烧结矿的产量和质量,促进钢铁工业的高速发展。烧结过程热状态的合理分布是生产优质烧结矿的重要条件,对铁矿石烧结过程中烧结终点的预测与控制至关重要。本文将对风箱废气温度分布进行建模,通过拟合最后八个风箱温度的线性曲线,实时在线估计虚拟透烧点的位置,进而预测虚拟透烧点的未来趋势,在线指导控制烧结生产过程,提高烧结矿的质量与产量。本文在铁矿石烧结理论的基础上,将烧结过程分成烧结矿层、燃烧层、预热层和过湿层四个层次,对透烧点所在风箱、预热层和烧结层的风箱温度建立分段线性回归模型。然后利用最小二乘估计对模型进行多变量目标函数的优化拟合,随后再根据实际物理特性附加约束条件,建立多变量目标函数的分层优化模型,利用该模型估计烧结过程的虚拟透烧点和最高精确温度值。最后选取实际数据对铁矿石烧结过程中的虚拟透烧点(BTP)位置进行探讨,预测BTP未来的趋势走向。本文在实证部分选取了山东某钢厂2018年12月的一段稳态烧结数据作为样本数据,运用移动平滑算法对原始数据进行平稳化处理。然后利用有限差分的迭代算法分层寻找烧结过程中的最优拟合参数,模拟出了该段时间虚拟透烧点BTP的具体位置。最后对BTP分别进行频域和时域上的预测分析,频域上借助快速傅里叶变换与小波变换提取BTP的频域信号特征,基于频谱特征的重构信号代表BTP的基本走势;时域上运用ARIMA模型与基于小波分析的ARIMA组合模型对虚拟透烧点拟合数据进行建模分析,比较分析两个模型的结果,得出组合模型拟合效果优于单一 ARIMA模型的结论。因此,本文选择基于小波分析的ARIMA组合模型对虚拟透烧点的未来趋势进行预测,并作出相应的调整与控制。