1.一種基于風箱廢氣溫度的燒結礦成品率預測方法，其特征在于：包括以下步驟：

(1)根據燒結礦的燒結過程確定影響燒結礦的成品率的熱狀態參數，所述熱狀態參數包括風箱高溫溫度、高溫保持時間、燒結終點溫度和燒結終點位置；

(2)對影響燒結過程的燒結參數的歷史生產數據進行零相位濾波和時序配準處理，并對所述歷史生產數據進行采樣處理，建立歷史生產數據樣本數據庫，所述燒結參數包括風箱廢氣溫度、臺車速度、小成礦、返礦和大成礦；

(3)利用所述歷史生產數據樣本數據庫計算已燒結礦的成品率；

(4)采用多項式擬合法對所述歷史生產數據樣本數據庫中的風箱廢氣溫度數據進行曲線擬合得到一個擬合函數，通過對所述擬合函數進行微分求極值，得到熱狀態參數的數值；所述得到熱狀態參數的數值包括以下步驟：

(4.1)從所述歷史生產數據樣本數據庫中選取風箱廢氣溫度數據樣本，設風箱數目為M，用(X_i,T(X_i))表示一個樣本數據，i＝1,2…M，X_i表示第i個風箱離點火處的距離，T(X_i)表示離點火處距離為X_i的風箱廢氣溫度值；

(4.2)采用多項式擬合法，對風箱廢氣溫度數據樣本中的一組樣本數據(X_i,T(X_i))進行多項式擬合，得到擬合函數為

T(X_i)＝a₈X_i⁸+a₇X_i⁷+a₆X_i⁶+a₅X_i⁵+a₄X_i⁴+a₃X_i³+a₂X_i²+a₁X_i¹+a₀，

a₈、a₇、a₆、a₅、a₄、a₃、a₂、a₁和a₀分別為擬合得到的系數；

(4.3)將步驟(4.2)中的擬合函數進行一次求導得到擬合函數的一次導數多項式，并求解出X_i的值，將求解出的X_i值代入擬合函數中即可求出擬合函數的最大值T_max，T_max為風箱廢氣溫度曲線的最高值，即為燒結終點溫度，X_i為燒結終點位置；

如果擬合曲線的燒結終點溫度大于300℃，且取得的燒結終點溫度對應的燒結終點位置位于倒數第二個風箱和倒數第三個風箱之間，則擬合函數合理，從而確定擬合函數具有合理性；

(4.4)將步驟(4.3)中擬合函數的一次導數多項式進行求導，得到擬合函數的二次導數多項式，并求解出X_i值；將求解出的X_i值代入擬合函數中即可求出風箱高溫溫度值T_p，將T(X)＝T_p代入擬合函數中求出X₁和X₂，其中X₂>X₁；

(4.5)根據燒結機理，利用步驟(4.4)中求解出的X₁和X₂的值，采用公式△X＝X₂-X₁，得到其差值△X，利用△X可以得到高溫保持時間，所述高溫保持時間的計算公式如下：

式中：t表示高溫保持時間，表示燒結臺車平均速度，所述燒結臺車平均速度為已知值；

(5)以步驟(4)得到的熱狀態參數的數值作為輸入變量，以步驟(3)得到的已燒結礦的成品率作為輸出變量進行重復計算和驗證，根據支持向量回歸算法建立燒結礦成品率預測模型；所述根據支持向量回歸算法建立燒結礦成品率預測模型包括以下步驟：

(5.1)設熱狀態參數和燒結礦的成品率組成的樣本數據集為{(x_i,y_i),i＝1,2…n},x_i為輸入參數，y_i為對應的目標輸出，即燒結礦的成品率；

(5.2)利用非線性映射將輸入參數映射到高維空間，在高維空間對輸入參數進行線性回歸，并求解線性回歸問題的最優化問題：

式中，ε是損失函數參數，C是懲罰因子，K(x_i·x_j)是高斯核函數，α_i是權系數；

(5.3)對(5.2)中的最優化問題進行求解，得到燒結礦成品率預測模型為：

式中：K(x_i,x)＝exp(-||x_i-x||²/2σ²),σ是核函數寬度，b是偏置量，b值的計算公式為：

(6)采用多項式擬合法對待預測礦的風箱廢氣溫度數據進行曲線擬合并通過微分求極值法得到待預測礦的熱狀態參數的數值；

(7)將步驟(6)得到的待預測礦的熱狀態參數的數值作為輸入變量輸入燒結礦成品率預測模型，所述燒結礦成品率預測模型的輸出變量即為待預測礦的成品率。