钢铁产业是关系国计民生的基础产业，它的发展决定着我国的基础建设以及工业发展的速度，在我国工业现代化进程中发挥着不可替代的关键性作用。高炉炼铁是一个非常复杂的高维数、大时滞、非线性动力学过程。高炉炼铁自动化控制一直是中外研究学者想要攻克的难题。炉温的准确预报对于高炉工长提高操作水平，保证高炉顺行操作具有十分重要的指导作用，对于钢铁产业的增长模式由粗放型向集约型转化具有重要作用。　　相关向量机是基于贝叶斯概率框架理论发展起来的机器学习新算法，具有与支持向量机一样的函数形式。但相关向量机比支持向量机在预测、分类上具有更明显的优势，相关向量机属于概率模式预测，需要相关向量的个数较少，核函数不需要满足Mercer条件，比支持向量机宽松。　　本文主要利用相关向量机建立高炉炉温数值预测和趋势发展预报模型，使用包钢6＃高炉冶炼专家系统在线采集的数据建立相关模型。首先对高炉炉温预报模型做了简要的概括，并介绍了相关向量机的理论背景——机器学习和贝叶斯概率框架，为后面的相关模型的建立提供数学基础。然后建立了基于相关向量机的铁水硅含量[Si]数值预测模型。对在线采集的高炉数据进行统计分析，选取了与铁水硅含量[Si]相关性较大的变量作为模型输入变量，分别选取多项式函数、径向基函数、Sigmoid函数作为相关向量机的核函数，并采用网格搜索和十倍交叉验证的方式选取最优核参数。最终得到3种核函数下的包钢6＃高炉铁水硅含量[Si]的预测命中率分别为85％、84％和85％。说明不同类型的核函数对于相关向量机预测效果的影响不是很大。论文还讨论了高炉炉温趋势发展预报模型，主要利用相关向量分类机来构建相关模型。首先利用相关向量机对Pima印第安人糖尿病患者的实验数据集进行二分类，选取3种核函数，最终取得较好的分类效果。结合一对一多分类算法，建立相关向量机多分类模型。在具有高斯噪声的正弦函数y=sin(x)，x∈[0，10]上进行四分类实验，12次实验的分类正确率均在85％以上，达到较好的分类结果。在包钢6＃高炉上，对高炉炉温进行多分类趋势发展预测，目前得到70％的正确率，为高炉炉温趋势发展预测模型的研究探索提供了一个新途径。