摘要：烧结终点(burn-throughpoint，BTP)是反映烧结状态的关键参数。在炼铁过程中，获得稳定的BTP对于提高烧结矿产量、质量和降低能耗具有重要意义。数字孪生模型是一种将现实世界的过程数字化映射到虚拟模型的技术，其可以在虚拟环境中模拟和优化实际生产过程。本文提出了一种数字孪生驱动的BTP预测方法。首先，通过研究烧结过程反应机理，根据能量守恒方程建立烧结过程热传导的数字孪生模型。然后，从建立的数字孪生模型中提取出能够反映烧结BTP的孪生数据。最后，采用能够处理过程动态性和非线性的数据驱动算法建立BTP与原始数据和孪生数据之间的时间序列预测模型。试验结果表明，本文建立的数字孪生模型能够有效映射实际生产数据，所提出的BTP预测方法具有较高的预测精度。相较于传统的支持向量机回归(supportvectorregression，SVＲ)模型，数字孪生驱动的SVＲ(digitaltwindrivenSVＲ，DT-SVＲ)模型的均方根误差EＲMS(rootmeansquareerror，ＲMSE)降低了29%，决定系数(Ｒ2)提升了34%;相较于长短期记忆网络(long-shorttermmemory，LSTM)模型，数字孪生驱动的LSTM(digitaltwindrivenLSTM，DT-LSTM)模型的ＲMSE降低了41%，Ｒ2提升了16%。 关键词：烧结终点;时间序列预测;数字..