在几十年的发展中，黑箱模型被人们与日俱增的广泛关注，与白箱模型相比，黑箱模型的主要优势在于无须依赖先验信息而仅仅依赖历史数据进行建模。然而，黑箱模型的缺点是不能详尽系统内部机理，这导致了它们缺乏灵活性，鉴于此，黑箱模型不能够广泛应用到很多实际领域。因此，推动黑箱模型的透明化，使其具有可解释性是急需要待解决的问题。本文的研究重点是找出数据型先验信息透明化黑箱模型算法，并使其应用到高炉系统中。　　钢铁工业中，高炉炼铁过程是高炉体系中能耗相对较大的一个环节，所以，如何提高炼铁技术为国家在节能减排上做出贡献是及其重要的。事实上，基于数据驱动的黑箱模型对高炉系统进行预测控制时，可解释性较差，难以在实际应用中发挥重大作用，因此，黑箱模型白化技术在其应用中具有一定理论意义和实际应用价值。　　在高炉炼铁过程中，主要难题是对高炉炉温的准确预测，实际上，由于炉温与铁水硅存在一定的关系，因此，本文的主要目的是在高炉系统中应用基于多核支持向量机的数据型先验信息集成模型对铁水硅进行多分类预测，主要研究对象是来自包钢6＃高炉和莱钢1#高炉。本文主要分为以下几步来完成，首先，提出了基于多核支持向量机的数据型先验信息表示方法，并给出数据型先验信息松弛变量的具体数学表达式，在此基础上，把松弛多核数据型先验信息集成到铰链松弛多核支持向量机中，得出最终的黑箱白化模型;其次，利用互信息理论寻找关于先验信息的特征变量，主要是通过求解高炉铁水硅与其它特征变量之间的互信息，根据互信息大小把特征变量按降序排列，然后找出与高炉铁水硅相关性较大，并且特征之间相关性系较小的两个特征变量;再次，运用选取先验信息特征变量的方法分别在两高炉中选出两个特征变量，在6#高炉上为料速和氢气，在1#高炉上为料速和喷煤，基于此，根据三步法则，分别在两高炉中找到相应类别的先验信息;最后，依据相关算法分别在包钢6#高炉和莱钢1#高炉中所提取的数据型先验信息集成到多核支持向量机黑箱模型中，从而对高炉铁水硅进行预测和控制。从最终经过使用黑箱模型白化技术对高炉铁水硅的预测效果来看，多核支持向量机集成了数据型先验信息之后预测精度明显高于无先验信息时的状态，因此，可以得出这样的结论，即多核支持向量机黑箱模型经集成数据型先验信息白化后在一定程度上可以提高对高炉铁水硅的预测精度，这不仅体现了多核支持向量机数据型先验信息集成算法的可行性，而且体现了黑箱模型白化技术具有众多的适用价值，同时也对实际应用具有一定的指导意义。