炼钢生产中，定氧加铝工艺的被控对象具有参数分布、非线性、动态观测数据离散等特征，定氧加铝模型的建立是该工艺的核心。而且模型的预测精度与生产的稳定、成本的降低、钢材质量的提高密切相关。在实际生产中，模型是通过钢包中的含氧量和钢包中所需含铝量来确定加铝量这一函数关系的，虽然钢水具有相同的冶炼环境，但当每一钢包从出炉到达加铝站进行定氧加铝期间，会受到温度、定氧仪探头伸入钢水的深度和吹氩等不同因素的影响，而且对整个炼钢工艺来说，定氧加铝系统只是整个生产工艺中的一部分。因此，为不影响后续连铸等生产过程，保证生产节奏，钢水到达加铝站，单靠以前的取样、化验和确定成分含量这一繁琐过程已不能适应生产需要。为此，厂方经过了一些技术改造，通过历史数据建立了定氧加铝工艺的一个线性回归模型，该模型仅仅是一个经验公式，无法顾及具体现场中的实时性、扰动性和随机性等诸多因素，故该模型拟合精度和预测情况是不理想的，这就给定氧加铝自动控制系统的设计带来一定的困难，也难以实现精确的、理想的控制。 本论文首先研究了国内外多种关于动态数据序列建模方法，比较了各种方法的优缺点。根据定氧加铝工艺中钢包含氧量因工况等因素有所不同，在观察若干炉含氧观测数据序列的基础上，引入先进合理的观测数据建模策略，结合回归分析、灰色理论和时间序列建模的思想，建立了定氧加铝模型。采用信号分离方法和技术，将信号中的确定性和非确定性信号分离，分别给出相应的参数估计及数学模型；然后，充分考虑观测数据和其它变量的相关关系以及数据自身依赖关系，建立了观测数据序列的混合模型。考虑到现场的随机因素的影响，在对随机信号采用时间序列方法建立模型时，研究了一种确立模型的阶数和模型参数的算法；在工艺状况发生改变时，通过对模型的滚动优化，修正模型参数，提高模型对实时观测数据的拟合程度和预测的准确性，探索了一条观测数据序列建模的新途径。 本课题的研究背景是基于“武钢二炼钢定氧加铝模型自动控制系统改造”项目，对炼钢的定氧加铝工艺中建立观测数据序列的混合预测模型是定氧加铝自动控制系统的基础。实际生产工艺参数的拟合和预测效果表明，本文提出的一种观测数据序列混合模型建立的方法，综合了多种观测数据建模方法的优势，为解决目前炼钢行业中定氧加铝模型难以建立的问题，提供了一条可供参考的有效途径。