一种基于宽度学习的高炉风口回旋区温度软测量建模方法，包括：采集高炉运行时的物理变量数据并进行数据预处理以及数据划分等操作；将处理好的数据使用宽度学习方法进行软测量建模；使用灰狼优化算法对宽度学习中特征层神经元个数、增强层神经元个数以及正则化参数进行优化调节；使用模拟退火算法对宽度学习中神经元之间随机确定的权值以及神经元偏置进行优化固定；使用训练好的软测量模型进行回归预测。本方法采用了当前主流的机器学习相关理论进行软测量建模，科学严谨的数学算法保证了建模方法具有先进性和准确性。实验结果表明，该方法达到了令人满意的效果，解决了高炉风口回旋区温度难以测量和计算不准确的问题，具有推广意义。