上世纪中叶以来,微电子、计算机、通讯、网络、信息、自动化等科学技术的迅猛发展,掀起了以信息技术为核心的“第三次浪潮”,正牵引着人类进入工业经济时代最鼎盛的时期,并打开了知识经济时代的大门。随着计算机技术的飞速发展和应用的普及,人类社会己经进入了一个信息化的时代,人们利用信息技术生产和搜集数据的能力大幅度提高,使用数据挖掘技术对对象建模并进行预测成为发展方向。文中以国内某大型钢铁公司的高炉生产数据为背景,以铁水中硅含量为主要的预报依据。由于高炉的热状态的输入输出数据集间存在着时间上的关系——这类数据称为时态数据(Temporal Data)。所以在对时态数据进行数据挖掘的过程中,必须考虑数据集之中数据间存在着的时间关系。本文对基于时态数据挖掘方法进行了分析,提出了使用RRBF神经网络建立高炉的热状态预测模型。RRBF神经网络模型是在RBF神经网络的输入上加入了自反馈的神经元,使RRBF网络对过去时态的数据具有了记忆能力,其学习算法为在线的学习算法。通过RRBF神经网络模型预报铁水中硅的含量以达到预报高炉热状态的目的。为提高高炉热状态的预报精度,稳定钢铁质量,稳定生产工艺创造了良好的条件。文中详细介绍了利用人工神经网络建立预测模型的思想及其特点,从生物角度和数学推理的方面阐述了神经网络的工作方式。分析了RBF及RRBF神经网络的网络结构及训练算法。最后本文用Matlab建立做为仿真平台,建立了传统的RBF网络和RRBF网络的仿真模型。通过测试,RRBF网络的预报精度和训练速度都明显好于传统的RBF神经网络模型,可见RRBF在对非线性时间序列上数据挖掘中具有明显的优越性。