高炉冶炼过程是一个高度复杂的过程，其运行机制往往具有非线性、时滞、高维、强噪声、分布参数等特性。《自动化科学与技术—自然科学学科发展战略调研报告》中指出，高炉复杂系统的建模和控制是当今冶金自动化科技发展的前沿课题，同时也是高炉生产过程自动化系统的关键和难点问题。高炉炉温预测模型是炼铁过程自动控制的核心数学模型之一，提高炉温预测精度是模型开发的关键难题。本文主要利用支持向量机技术建立高炉铁水硅含量的预报模型，本文的主要工作有以下一些：1．通过阅读大量的中外文献，了解高炉炼铁过程的工艺特点，分析高炉过程中与铁水硅含量关系密切各个相关变量与铁水硅含量的的相关性、时滞性。同时对支持向量机、独立成分分析的基本理论知识、方法技术以及目前的研究领域的发展现状进行了综述，同时还对本文所采用的支持向量机算法和独立成分分析算法进行了分析探讨。2．提出了一种基于改进的动态独立分量分析(ICA)和支持向量机(SVM)的高炉铁水硅含量预报模型建模方法。采用动态ICA方法对样本数据进行特征提取，消除生产工艺参数之间的相关性。在此基础上，使用目前计算复杂性较小的最小二乘SVM算法建立高炉铁水硅含量预报的动态递推模型。以某钢厂高炉实际生产数据进行了应用实验，实验统计结果表明，本文方法显著提高了铁水硅含量的预测命中率。3．提出了一种基于增量型支持向量机的高炉铁水硅含量预报的在线建模方法，基于此方法的模型解决了高炉炼铁过程所具有的慢时变特性。根据历史数据得到的铁水硅含量预报模型在现场运行一段时间后，往往会出现模型失效的问题。本文提出的方法可以有效增强模型适应的能力，使铁水硅含量预报自动适应高炉工况的变化。仿真结果表明本文的方法在工况变化时能够有效的改善了铁水硅含量预报能力。