钢坯加热的质量直接决定了热轧生产过程产品的质量和轧制设备的安全，同时对整个生产过程能源消耗的影响至关重要。因此，如果能够结合钢坯出炉温度对各段轧机的轧制力进行有效的预报，对于延长轧制设备的使用寿命，同时降低整个生产过程能源消耗，具有重要的实际意义。 现有的轧制力数学模型大多是在多种假设的条件下，通过一系列简化推导出来的，从而决定了其模型的计算结果和轧制力实际值有一定的误差，所以常规轧制力模型本身不能提供足够精确的预报值。 神经网络技术为我们提供了一个有效的建模工具，但目前基于神经网络建立轧制力模型的方法在国内外多局限于工艺研究。本文从对热轧生产过程综合优化控制的角度，根据某热连轧厂实际生产过程数据，利用神经网络方法建立了基于钢坯出炉温度优化的热连轧机组的轧制力计算预报模型。 该模型采用传统BP算法和改变步长的BP算法，为了使模型具有最佳的迭代计算速度和预报精度，本文对隐含层单元数、权重初始值范围、学习速率等参数进行了优化。并对两种方案进行了比较。所建模型可较好的预报出轧制力，在一定程度上可以替代原轧制力设定模型，并满足工程计算和实际使用要求。利用得到的轧制力预报模型，本文提出了一个将轧制力预报进行在线应用的方案。