定氧加铝工艺是炼钢厂铝镇静钢冶炼过程的重要工序之一。通过往钢水中加入一定量的铝，来控制钢水中的氧的含量，同时，也保证钢水中有一定量的酸溶铝成分，这样才能保证炼出的钢的质量。因此建立一个加铝量的模型，把钢水中的氧含量和酸溶铝成分控制在所需的范围内，是十分必要的。当前，厂方经过了一些技术改造，通过历史数据建立了一个定氧加铝工艺的线性回归模型。但当每一钢包从出炉到达加铝站进行定氧加铝期间，会受到温度、定氧仪探头伸入钢水的深度和吹氩等不同因素的影响，而该模型仅仅是一个定参数公式，对现场中的扰动性和随机性等诸多因素不能作出很好的反映，故在出现大扰动时，采用该模型将很难保证其拟合精度。 本论文首先研究了国内外多种关于动态数据序列建模的方法，比较了各种方法的优缺点。根据定氧加铝工艺中钢包含氧量因工况等因素有所不同，在观察若干炉含氧观测数据序列的基础上，采用了观测数据建模策略，结合回归分析、频谱理论和时间序列建模的思想，建立了定氧加铝模型。采用信号分离方法和技术，将信号中的确定性和非确定性信号分离，分别给出相应的参数估计及数学模型；然后，充分考虑观测数据和其它变量的相关关系以及数据自身依赖关系，建立了观测数据序列的混合模型。考虑到现场的随机因素的影响，在对随机信号采用时间序列方法建立模型时，研究了一种确立模型的阶数和模型参数的算法；在工艺状况发生改变时，通过对模型的滚动优化，修正模型参数，来提高模型对实时观测数据的拟合程度和预测的准确性。 本课题的研究背景是基于“武钢二炼钢定氧加铝模型自动控制系统改造”项目，对炼钢的定氧加铝工艺中建立观测数据序列的混合预测模型是定氧加铝自动控制系统的基础。实际生产工艺参数的拟合和预测效果表明，本文提出的一种观测数据序列混合模型建立的方法，为解决目前炼钢行业中定氧加铝模型难以建立的问题，提供了一条可供参考的途径。