分子比是铝电解生产过程中极其重要的工艺参数,是控制电解质成分以及决策添加剂重量的重要依据。由于铝电解槽在生产过程中,电解质一直处在高温、强腐蚀性等环境下,使得分子比无法在线检测,严重影响着铝电解生产决策的准确性。为此,本文研究基于多时间窗口的铝电解分子比预测算法模型,以解决分子比无法在线估计的生产难题。本文首先分析了铝电解过程中的相关工艺流程和影响分子比的主要相关因素。针对分子比的工艺特点,重点讨论了分子比与氟化盐、平均电压、氧化铝浓度等参数之间的关系;其次,研究了铝电解生产过程中分子比及其相关参数的数据特点,在数据进行预处理的基础上,结合时间序列特点进行平稳性检验和特征的选择;最后,针对实际电解生产中每台电解槽的分子比每周只取样1～2次进行化验的现状,通过多时间窗口对分子比的预测算法模型进行研究和开发。针对最小二乘支持向量机中超参数的取值影响其预测精度及泛化能力的问题,采用人工蜂群算法并结合分子比数据特点在预测过程中不断优化最小二乘支持向量机的超参数组合,同时引入禁忌搜索列表解决了人工蜂群算法较易陷入局部最优的缺点;借助自回归循环神经网络擅长对时间序列数据进行预测的优势,同时结合分子比工艺特点,引入移动加权平均对自回归循环神经网络中细胞单元进行了改进;最后,采用多元线性回归算法,将基于不同时间窗口数据的改进的人工蜂群最小二乘支持向量机、改进的自回归循环神经网络、高斯过程回归三种算法预测结果进行综合,实验证明取得了较好的预测效果。在此基础上,开发了应用于电解铝生产的铝电解槽分子比预测子系统。