摘要：基于小波在处理非线性、非平稳随机信号和支持向量机在解决非线性、高维数、小样本等问题的优点，提出了一种二者组合的预测模型。先用小波变换将铁水含硅量的时间序列分解成不同的高频和低频层次，对不同层次构建支持向量机模型进行预测，然后通过序列重构得到原始时间序列的预测结果。利用山东莱钢1号高炉在线采集的数据作为应用案例，WA-SVM组合模型与工程常用的AR模型和单一的最小二乘支持向量机模型的预测结果比较，预测精度有明显提高。 关键词：小波分析(WA)；支持向量机(SVM)；铁水含硅量；组合预测 中图分类号：TP27，TF531文献标识码：A文章编号：1006-9356(2009)04-0008-05 高炉冶炼过程中，铁水含硅量是评定生铁质量的重要指标，也是表征高炉热状态及其变化的标志之一，还是高炉操作管理的重要参数，而且铁水的含硅量对于炼钢过程中的渣量生成以及钢液的脱硫、脱磷条件有很大的影响[1]。因而研究较为准确的预测方法，就成为炼铁生产中的重要课题，但迄今为止，这个问题仍未得到很好的解决。现有的铁水含硅量预测模型主要有回归分析模型[2]、机理数学模型[3，4]、神经网络模型[5，6]、非线性分析模型[7，8]等。这些模型各有优缺点和一定的适用条件。基于回归分..