基于数据驱动的高炉模型一般来说都是黑箱模型,然而黑箱模型所得结果从应用角度来说不具解释性,难以应用到实际控制中,因此将黑箱模型透明化技术应用在高炉上具有较好的实际意义。本文首先利用基于核的模糊C-均值聚类算法将铁水硅含量进行5聚类,计算出铁水硅含量的可控边界,继而建立了基于模糊的多分类支持向量分类机对铁水硅含量进行3分类建模,为防止过拟合及简化模型,对于模型输入变量,本文利用模糊熵的思想进行了特征提取,事实证明,特征选择不仅使模型得到简化,模型精度也有一定的提高。尽管支持向量分类机取得了不错的结果,但是模型本身的黑箱性对于其可信度提出了一定的挑战,因此,本文又在支持向量机的基础上利用CART模型进行了规则提取,从所得规则可以看出,规则最终预测结果与实际大致相符,因此可以很好的应用于高炉。与所得的支持向量机黑箱模型相比,最终所提取的规则不仅可以达到很好的预测效果,而且可以使用户能够清晰地了解产生此结果的具体原因。因此,从一定程度上说,所产生规则可以为高炉操作工提供具有参考性价值的指导,使其可以结合自身丰富的实际操作经验进行高炉控制。总体来说,文章中所得结果可以为高炉操作系统提供一定的决策支持。