随着钢铁行业信息化程度的不断深入,企业在长期的生产过程中积累了海量的生产、技术、销售、设备等工程数据,这些数据为企业研发第五级系统——数据挖掘系统提供了强有力的数据支持,使企业进一步挖掘其隐涵的知识成为可能。利用这些数据建立中厚板产品性能预测模型,从而达到预测产品性能的目的,对于优化中厚板产品的生产工艺、开发新产品等有着积极的意义。本文以鞍钢集团鲅鱼圈分公司中厚板厂为实施单位,对其产品性能预测展开研究工作。首先,本文介绍了被选取的中厚板产品性能参数:抗拉强度、屈服强度、延伸率强度。其次,介绍了鲅鱼圈中厚板厂的工艺流程,经分析得出,可能影响产品性能指标的生产工艺参数有:加工几何尺寸、原料化学成分、加热工艺参数、轧制工程参数、性能检验参数等。将这些工艺参数相对应的化学成分数据、几何尺寸数据、加热工程数据、轧制工程数据、性能检验参数以及力学性能指标等数据进行收集,对其进行清洗、构造及整合,创建数据源,为之后的数据挖掘工作提供数据基础。在收集的中厚板产品数据源的基础上,本文利用SPSS Modeler平台,在众多数据挖掘模型中选取了人工神经网络、线性回归分析、分类回归树以及广义线性分析四种模型技术,分别建立起以中厚板产品加工几何尺寸数据、原料化学成分数据、加热工程数据、轧制工程数据、性能检测数据等为输入,以抗拉强度、屈服强度、延伸率强度三种性能指标为输出的分析模型。以准备的数据源中70%数据为训练样本,30%数据为校验样本对模型进行训练,最终得出最优预测模型。根据预测数据评估表得出,人工神经网络模型在预测精度上较之其他三种模型略胜一筹,其误差在10%以内的预测精确度可达到90%以上。根据所得最优预测模型,可对输入参数重要性进行排序,直观反映哪些工艺参数对产品的性能结果产生重要影响。最后,本文利用训练好的神经元网络分析模型,建立产品性能预测平台,产品开发人员输入关键工艺参数及化学成分值,系统自动给出预测的性能值,达到对中厚板产品性能预测的目的,对优化产品生产工艺、开发新产品有一定的参考价值。