摘要：针对高炉出铁前铁水产量未知导致铁水包难以高效中转与调度的问题，使用遗传算法优化的极度梯度提升树（ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｏｐｔｉｍｉｚｅｄｅｘｔｒｅｍｅｇｒａｄｉｅｎｔｂｏｏｓｔｉｎｇ，ＧＡ?ＸＧＢｏｏｓｔ）算法构建并训练了铁水产量预测模型。经过测试与多模型对比，所提方法在多特征数据集的铁水产量预测问题中具有一定优势，在误差１０ｔ的范围内取得８９．６４％的预测准确率。首先修正了实验数据集的缺失值和异常值，在归一化后获得结构化的数据用于模型训练；然后，采用灰色关联分析方法筛选了铁水产量的主要影响因素，并结合工艺原理去除冗余参数；最后确定１５个特征变量用于构建模型的输入向量。同时，针对预测结果，采用沙普利值可加性解释（Ｓｈａｐｌｅｙａｄｄｉｔｉｖｅｅｘｐｌａｎａｔｉｏｎｓ，ＳＨＡＰ）原理量化了不同操作参数对铁水产量的贡献程度，为高炉的参数调控工作提供数据支持。本研究实现了基于炉次特征的铁水产量预测任务，不仅有利于更高效的高炉调控以促进铁水产量的提高，同时结合预测结果，工作人员可以提前部署铁水包的运输路线，减少铁水包的热量耗散，进一步实现高炉冶炼的降本增效。 关键词：高炉冶炼；铁..