高炉炼铁是钢铁生产过程的关键环节,长期顺行的炉况是高炉操作的先决条件。高炉煤气流作为高炉操作的重要依据,具有携带信息量丰富、时效性好的优点。因此,合理利用高炉煤气流信息对高炉运行状况进行分析,对炉况的合理调整具有重要的应用价值。本文针对高炉炼铁生产中炉况分析问题,综合考虑高炉煤气流的各项指标,结合柳州钢铁集团(柳钢)#2高炉数据,运用贝叶斯技术、群优化算法、回声状态网络(ESN)、专家知识推理等方法对“高炉煤气流预测及炉况辅助分析系统”进行了研究。该系统已在柳钢#2高炉上进行了现场验证。运行结果表明,系统能较准确地预测高炉煤气流的变化趋势,进而为高炉炉况分析提供实时准确的指导,确保高炉稳顺运行。本文的主要研究工作和成果如下:首先,通过深入研究煤气流各指标数据及炉况分析资料,建立煤气流与炉况的关系;利用灰色度关联算法计算了各指标之间的关联度,以从中选取对炉况影响较大的指标,并建立其与煤气流失常型异常炉况的关系,为后面章节建立煤气流指标预测模型奠定基础。其次,针对ESN模型在高炉炉腹煤气量指数预测中易陷入病态的问题,提出了两种改进的ESN模型。在较小训练样本条件下,提出基于贝叶斯技术的粒子群优化(BPSO)算法,并将其应用于ESN模型输出权重的求解;在较大训练样本条件下,将L-曲线法应用于病态ESN模型输出权重的求解。两种方法都有效缓解了ESN模型的病态性。对炉腹煤气量指数的预测结果表明了所提算法在预测精度上的优势。再次,针对ESN在预测中难以分析模型内部结构的弊端,提出了改进的Hammerstein模型。利用贝叶斯技术对该模型的参数和阶次进行同时辨识,并把可逆跳马尔可夫链蒙特卡罗方法(RJMCMC)算法应用于模型参数的近似求解中。所提算法大大减少了模型参数求解的计算量,降低了计算复杂度。通过对炉顶煤气流4个指标的实验结果进行分析可以看出,所提算法具有较好的预测精度和稳定性。进一步,针对改进ESN和Hammerstein两种模型对训练数据结构信息利用不充分的弊端,提出了改进的T-S模糊系统模型,并将其应用于风压预测。首先提出自适应块结构正交追踪(AOMP)算法,该方法能合理的计算规则数。在T-S模糊系统的后件参数辨识中应用离散的贝叶斯技术,在保证预测准确性的基础上降低了模型的复杂度。从对两个经典实际数据集合和高炉风压的预测中可以看出,该模型具有较好的预测精度和抗噪声能力。最后,通过对以上3个模型的理论研究,开发了“高炉煤气流预测及炉况辅助分析系统”,并将其应用于柳钢#2高炉现场。实验结果表明该系统可以对高炉煤气流各指标进行实时预测,预测精度不仅得到了技术部门的肯定,而且对进一步分析高炉炉况有重要的实用价值。