准确的生产作业参数预报能够为钢铁企业实现精细化生产提供重要依据。原料端和冷轧成品端是钢铁生产中较为重要的首尾环节,原燃料供应作业的精细化是保证后续机组物料充足和生产顺畅的必要前提,而冷轧成品阶段生产作业的精细化水平直接作用于生产效率及生产成本。本文分别针对原燃料需求量和冷轧工序生产周期两个关键作业参数的预测问题进行研究,运用最小二乘支持向量机与分布估计算法构建了预测模型,并以冷轧生产周期预测为基础进行扩展,设计并开发了冷轧工序绩效评价子系统并用于生产实际。研究成果可为生产运作管理提供科学依据,从而提高供料与生产作业的精细化水平。本文主要工作概述如下:(1)以高炉生产的原燃料采购为背景,研究原燃料需求量的预测问题。首先对数据进行插值补全与归一化,再通过相关性分析确定输入变量。运用最小二乘支持向量机分别建立原料和燃料需求预测模型,并加入分布估计算法对模型参数进行优化。实验结果表明,所提出的模型与算法对原燃料需求量预测的平均相对误差小于3.3%,能够为企业制定原燃料的采购作业决策提供可靠依据。(2)以冷轧成品阶段生产过程为背景,研究冷轧工序生产周期预测问题。首先进行数据预处理,再通过相关性分析确定模型输入变量。运用稀疏性最小二乘支持向量机建立各工序生产周期的预测模型,并采用分布估计算法对参数进行优化,其中,通过加入考虑上一代采样概率的改进策略,提高了算法运算效率。实验结果表明,所提出的方法对冷轧各工序生产周期的平均预测误差小于1天,较改进算法之前的模型更为准确有效。(3)根据钢铁企业的实际需求,以冷轧生产周期预测为基础进行扩展,开发冷轧工序绩效评价子系统。其中,系统可通过材料在冷轧工序的生产周期的预测,统计出冷轧产线关键的转库周期绩效指标,方便计划人员及时发现问题并解决问题。此外,通过该系统,还实现了对冷轧区域人员的绩效评价,从而提高员工的工作效率与上层人员的管理效率。