高炉煤气(Blast Furnace Gas,BFG)是钢铁生产过程中重要的二次能源。为有效合理调度高炉煤气,需要实时预测煤气柜位变化趋势。高炉煤气系统生产过程复杂,各变量之间存在强非线性动态关系,对其建立精确的数学模型难度较大。鉴于在炼钢过程中积累的大量历史数据,可以采用数据驱动的方法对高炉煤气系统进行建模分析,构建煤气柜与系统产消用户之间的关系模型,从而制定合理的高炉煤气使用计划,对企业节能减排具有重要意义。针对工业现场采集数据含噪声较高,波动较大,变量关系复杂等问题,且考虑到对高炉煤气柜位预测准确稳定的需求,本文提出一种基于多目标优化的高炉煤气系统模糊建模方法,旨在提高模型精度、降低模型复杂度、增强模型可解释性。该方法在建模过程中同时优化各变量的隶属度函数和模糊规则库,建立最终的模糊模型。针对隶属度函数的确定问题,提出两阶段的隶属度函数确定方法,第一阶段,基于多目标优化的密度聚类算法确定最佳的聚类参数,得到合理的聚类个数和聚类中心;在第二阶段,根据数据分布特征和隶属度函数的特性,设计了隶属度函数公式,并根据聚类结果确定各个隶属度函数的形状和参数。鉴于模型预测时规则库中没有匹配规则的情况,本文将Wang-Mendel(WM)规则提取算法融入训练过程。为验证本文方法的有效性,选取我国某钢铁企业实际生产数据进行实验,并与已有方法进行多组对比实验。实验结果表明本文方法对高炉煤气系统建立的模糊模型在模型精度、模型复杂度和模型可解释性方面具有较好的效果。最后,开发了工业数据建模分析应用平台,并以本文方法为后台算法,应用于高炉煤气系统的平衡控制,对决策调度优化具有重要的参考价值。