钢铁工业是国民经济发展的支柱产业，其水平是衡量一个国家综合国力的重要标志。而高炉炼铁工艺作为钢铁生产的上游工艺，对钢铁生产起着至关重要的作用，其中高炉顺行稳定的关键之一就是在高炉炼铁过程中维持合理的炉温水平，因此高炉炉温预测模型是高炉炼铁工艺的核心数学模型，也是专家们研究的核心领域。　　由于高炉系统的高度复杂性，很难直接去测量炉温，而经过多年研究发现，高炉铁水硅含量是衡量高炉炉温的重要指标，冈此可以通过对铁水硅含量进行建模分析来了解预测高炉的炉温变化情况。本文研究的是基于Volterra级数的高炉数据驱动建模。　　高炉系统是最复杂的工业过程之一，尽管已经研究了几十年，仍存在很多未解决的问题，本文在郜传厚等提出的基于单输入Volterra滤波器的数据驱动建模的基础上，做了进一步改进。通过对单输入Volterra滤波器在高炉上应用的研究发现，Volterra滤波器具有很好的预测效果，但是出现了过拟合现象;单输入Volterra滤波器并没有利用丰富的在线或离线数据，原料参数，包括铁矿石成份、焦炭负荷、喷煤速率、焦炭比等，鼓风参数，包括风量、风温、风压、富氧程度、鼓风湿度等，铁水成份参数，包括铁水硅含量、铁水硫含量等;炉渣成份、炉渣碱度以及透气性指数等;单输入Volterra滤波器训练参数时间过长，运行一段时间后更新参数很难实现，不利于在实际中的应用。　　据此我们提出针对多维的高炉系统的基于多输入的Volterra级数的数据驱动建模。本文又引入高炉铁水硫含量，设计了三种低阶两输入Volterra滤波器模型，并在高炉铁水中硅含量的预测上进行应用，对比结果，发现多输入模型的各项指标较单输入模型有所提高，但是计算复杂度及时间并没有降低。因此，提出简化的多输入Volterra滤波器，即Volterra滤波器的乘积耦合模型，并进行应用，发现不但大大节省了训练参数的时间，而且同样有良好的性能。　　最后是对本文的总结，以及对未来研究工作进行展望。