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“优质、低耗、高产、长寿”的炼铁目标具有重要的生产实际价值。本文结合我国高炉生产现状及炉热预报水平，针对高炉炉热预报中需要解决的实际问题，应用时间序列预报及人工神经网络等方法，对高炉炉热预报问题进行了深入的研究和探讨。 本文介绍了人工神经网络模型的基本特点，并阐述了动态递归神经网络在高炉复杂非线性系统建模和预报中应用的优点；简要介绍了高炉控制的特点，同时回顾了高炉预报系统的发展进程及其面临的主要问题；较系统地介绍了神经网络和专家系统在国内外高炉炉热预报中的应用现状及存在的问题。 本文针对高炉工艺参数众多且存在相关性和强耦合性以及利用神经网络进行炉热预报建模输入数据维数较高的问题，提出采用主成分分析法(PCA)对原始数据样本进行分析处理。对采用PCA方法进行高炉数据处理的主成分提取原理及算法等核心问题进行了详细深入地讨论。同时还以宝钢某高炉数据为例，对数据样本进行数据预处理、插值处理、主成分提取及滞后时间确定等处理和研究，将处理后的数据样本作为本文模型的输入。 针对目前常用铁水含硅量静态神经网络预报方法及标准Elman网络预报复杂非线性系统中存在的问题，本文提出一种具有动态递归特性的改进型Elman网络结构及算法，提高了网络动态适应性及非线性映射能力；本文在阐述组合预报原理的前提下，讨论了将ARMAX模型与改进型Elman网络模型结合建立组合预报模型的可行性，同时对不同炉况条件下组合预报的加权向量进行了讨论和选择。 最后，采用宝钢某高炉数据样本对本文所建模型进行铁水含硅量预报实验，取得了较好的效果。对改进型Elman网络模型进行预报实验时，预报误差按±0.05计，预报命中率达到88.17％；当炉况波动较大时，预报误差按±0.05计，组合预报模型的预报命中率最高可达到92.56％(权值向量为(0.25，0.75))；当炉况波动较小时，预报误差按±0.05计，组合预报模型的命中率最高可达到93.49％(权值向量为(0.65，0.75))；同时，对实验结果的可信度分析也证明了采用本文所建模型进行高炉铁水含硅量预报的实际值和预报值不存在显著性差异，预报结果是可信的。