钢铁工业是国民经济的支柱产业,高炉炼铁是钢铁工业的重要组成部分。如何控制高炉安全、稳定、均衡、顺行从而达到炼铁界提出的“优质、低耗、高产、长寿”的炼铁目标具有重要的生产实践价值。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。整个模型分静态预报和动态预报两部分。静态模型部分根据需要计算所需的实时参数,同时根据冶炼工艺原理及具体高炉的实际情况计算高炉物料平衡,热平衡,作为炉况预测的辅助判断条件。利用炉热指数与铁水含硅量的线性吻合关系,选用三种炉热指数进行铁水含硅量及铁水温度的预报。动态预报部分,针对高炉热状态模型参数复杂的特点,从与铁水含硅量的相关性,时序性以及对铁水炉温的影响等各个方面具体分析高炉热状态的部分影响因素,确定RBF的输入参数。结构上在RBF神经网络加入了自反馈的连接单元,使RBF网络具有了记忆过去时态数据的能力。提高了RBF网络对时间序列的收敛性,加快了训练时间,提高了函数的逼近精度。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特点,分析了RBF神经网络的网络结构及训练算法。最后本文用Matlab建立仿真平台,分别建立了炉热指数预报和RBF预报的仿真模型。通过测试发现,炉热指数模型在炉况稳定时效果比较好,在炉况波动时预报误差就比较大。而RBF网络则具有很好的自适应性,并且对非性线函数的逼近效果良好,网络的预报精度和训练速度也都比较可观。将两种方法结合起来,在提高高炉热状态的预报精度,稳定钢铁质量,稳定生产工艺等方面创造了良好的条件。