钢铁工业是国家工业的基础,在发展国民经济与建设军队国防上有着不可替代的作用,它是衡量从国家经济实力的一项重要指标。高炉炼铁是钢铁工业的源头第一道工序,能源消耗最多。对高炉炼铁过程进行智能控制,可以准确预报炉况,及时进行调控,有效降低能耗,以及提升生铁产量。本文使用邯郸钢铁公司7#高炉(容积2000m3)的1 000组实际生产数据作为研究对象,针对神经网络、模糊数学、混沌和分形时间序列等方法的局限性:只考虑关键参数或丢失有效信息。本文采用偏最小二乘回归法(PLSR)对高炉数据进行统计、分析和建模,达到提高预测高炉炉温准确率的目的。本文首先考察各主要变从的数据分布状况,进而考察变量之间的相关性,为建模的变量选择提供参考和依据。其次,针对同一组数据,先后使用主成分回归(PCR)与偏最小二乘回归(PLSR),对实验结果进行了详细的分析,并将二者进行比对。最后,用偏最小二乘回归给出了结果理想的预测模型,证明了该方法在高炉冶炼工艺中具有实际应用价值。