高精度预测转炉炼钢终点温度是实现转炉工艺智能冶炼的重要基础。转炉终点温度的单一模型预测存在泛化能力弱、精度难以提高等问题。针对这些问题,本文提出了一种基于贝叶斯公式的建模方法,该方法将动态整合具有不同特征的多个模型。首先,利用不同的建模方法探索各种数据模式和特征,并构建相应的转炉炼钢终点温度预测模型。然后,将目标值范围进行离散化,根据贝叶斯公式计算不同模型预测结果的置信度。最后,根据不同模型的置信度对其预测值进行加权,得到一个综合的预测结果。利用实际生产数据对集成模型和三个单一模型(支持向量回归、随机森林和 BP 神经网络)进行测试和比较。结果表明,基于贝叶斯公式的集成模型在单一模型预测精度的基础上,能够有效提高预测精度。