在钢铁企业中，铁水运输是指高炉产出的铁水通过鱼雷罐车运输至炼钢厂倒罐站的整个过程。在此过程中如果铁水温降太大，不仅会影响炼钢生产效率，还会增加炼钢过程的能耗。准确的预测可以帮助技术人员根据温度的实时变化动态制定鱼雷罐车物流调度计划，从而达到减少温降、节约能耗的目的，因此铁水运输过程温度预测研究具有重要的实际意义。
　　实际铁水运输过程中，由于温度实时测量的成本过大，且过程温降影响因素复杂等原因，传统单一模型难以对铁水运输过程进行准确刻画。针对上述难题，本文利用实际生产数据，建立相应的数据解析模型，分别对铁水实时温度预测问题和铁水倒罐温度预测问题进行了研究，并开发了铁水温度预测系统。本文主要研究内容如下:
　　1)针对铁水实时温度预测问题，考虑到单一模型的缺陷性，提出了基于卡尔曼滤波混合建模的铁水运输过程温度预测方法。将铁水温降机理模型预测值作为卡尔曼滤波中的先验估计;建立铁水温度多元线性回归模型并求得以运输时间为自变量，铁水温度为因变量的分段线性模型，将该模型的输出作为测量值，实现了卡尔曼滤波框架下的模型混合。从而解决了机理模型的精度不足导致的误差发散问题，以及铁水温度分段线性模型对运输过程细节描述不精确的问题。通过计算实验，将预测结果与机理和线性模型进行比较，验证混合模型的有效性。
　　2)针对铁水倒罐温度预测问题，提出了基于多模型预测数据融合的铁水倒罐温度预测方法。首先利用层次聚类的思想对离群数据点进行剔除;进而采用基于差分进化算法优化的最小二乘支持向量机模型(DE-LSSVM)对铁水倒罐温度进行预测;最后基于卡尔曼滤波思想将多元线性回归模型和DE-LSSVM预测的铁水倒罐温度进行融合，实现了高精度的铁水倒罐温度预测。
　　3)结合铁水运输过程的特点，设计了铁水温度预测系统。该系统主要实现的功能包括:实时铁水温度预测、铁水倒罐温度预测、异常数据预报和预测结果统计分析。通过将上文开发的预测模型嵌入系统，实现铁水运输过程温度预测。