钢铁企业充足的原材料是保证合同正常连续生产的前提。目前,许多钢铁企业原材料供应计划与实际需求不平衡,导致原材料库存不合理。准确预测原料的需求量,可以优化库存管理,但是,由于生产中存在的不确定性和波动性,很难精确地预测实际需求量。钢铁生产是个多阶段过程,合同计划贯穿于钢铁生产的各道工序,每道工序的生产出了差错,都可能造成合同拖期。合同进程是指合同在各生产阶段的完成情况,包括合同的欠量/超量和产品的规格。合同进程预测是根据合同在该阶段的历史数据来预测未来合同在该阶段的完成情况,以指导生产,确保合同按时完成。因此,研究原料需求和合同进程预测方法能够有效提高预测精度,对保证生产的连续性、库存结构的合理性具有非常重要的实际意义。本文对合同计划相关问题中的原料需求预测问题和合同进程预测问题进行研究,分别运用最小二乘支持向量机与改进粒子群算法来解析历史数据、构建预测模型。基于提出的预测模型和方法,设计开发了热轧合同进程预测决策支持系统,并应用于实际。本文研究工作从以下三方面展开：(1)以高炉生产原料为背景,研究原料需求预测问题。对该问题,将当月库存、实际需求、价格等影响因素作为输入,运用最小二乘支持向量机建立原料需求预测模型,并设计加入引导集策略的改进粒子群算法对模型参数进行优化。基于实际数据的实验结果表明所提出算法对原料需求预测效果较好,从而为企业原料采购计划编制提供决策依据,降低采购成本。(2)以热轧工序合同生产为背景,研究合同进程预测问题。对该问题运用最小二乘支持向量机建立合同进程预测模型,设计了加入动态调整学习因子策略的改进粒子群算法对模型参数进行优化。实验结果表明,提出的方法能有效预测合同进程。(3)基于提出的预测模型和方法,以实际钢铁企业为背景,开发了热轧工序合同进程预测系统。该系统实时监控生产计划的完成情况,为及时调整生产计划提供依据。