针对LF(Ladel Furnace)冶炼特点及现有钢水温度预报方法存在的不足,提出一种基于Bagging的多模型预报方法.该方法利用Bagging思想,有效地将智能方法与机理方法相结合,在提高智能方法预报精度的同时使得机理模型与智能模型的优势得到互补,克服了单纯机理模型参数获得不够准确以及单纯智能模型缺乏工艺指导的不足.另外,该方法还对Bootstrap采样后的子训练数据集进行了主成分分析(PCA),有效地克服了集成算法固有的子学习机精度与数据集多样性不能兼顾的问题.