板带钢的外形尺寸包括：宽度、厚度、板形、平面形状、凸度等。近年来，随着制造业的发展，冶金行业更加关注板带材的质量，尤其是厚度精度指标。因此，厚度控制精度问题愈来愈限制产品质量的提升。提高板带钢厚度预测精度，对板带钢的生产起到至关重要的作用。解决厚度预测问题主要涉及两方面的技术：一是历史数据的分析处理，挖掘出有用的信息；二是预测模型的建立。本文着重从数据处理和预测模型建立这两方面论述国内外发展现状，找出面临和亟待解决的主要问题，建立良好的预测预报模型。主要研究工作如下：本文阐述了热连轧带钢厚度预测的发展现状，对精轧机组厚度分配的机理模型、导致板带材厚度波动的原因、厚度变化规律进行了详细的分析研究，并对机理模型的预测现状作了具体分析。在以上分析的基础上，总结出影响热连轧带钢出口厚度的主要因素：精轧入口厚度、粗轧出口处实测温度、辊缝、轧制力、第七机架实际入口厚度、板带温度、轧制速度等。针对实际轧钢生产中产生的大量丰富详实的数据，分别采用主成分分析法和粗糙集进行分析处理。从处理结果来看，两种方法互相验证了彼此在处理热连轧带钢数据时的有效性。分析出影响精轧出口厚度的主要因素有：精轧入口厚度、辊缝、第七机架入口厚度、轧制力。以数据处理结果为基础建立RBF神经网络预测模型，应用MATLAB中的神经网络工具箱进行仿真预测。仿真结果显示RBF神经网络模型的预测效果优于机理模型的预测效果，神经网络预测模型的预测趋势与预测结果更接近于实际的生产状况。鉴于组合预测良好的预测效果和广泛的应用，本文建立基于GRNN的热连轧带钢出口厚度组合预测模型。实践中，选取的单项预测模型有RBF神经网络预测模型、BP神经网络预测模型和SVM预测模型。实验结果表明，基于广义回归神经网络的非线性的组合预测方法能有效的提高预测精度。通过本文的研究工作，能够建立一个贴近实际生产情况的带钢厚度预测模型，对提高板带钢厚度的控制精度具有一定价值。