轧制过程数学模型是现代轧机控制系统的核心，其中的轧制力预报模型对产品厚度和板型方面有着重要的影响。在日益激烈的市场竞争条件下，如何提高产品质量将是面临的非常重要的一个问题。现代轧钢自动化控制早就转变成以计算机为硬件核心，以数学模型为软件核心的现代化控制系统，这其中轧制过程数学模型的重要性越来越明显。轧制变化过程是一个非常复杂的金属变形过程，轧制过程中的诸多变量与轧制力存在着非线性的映射关系。传统的轧制力计算模型是在轧件材质均匀，理想的可塑性材料且没有展宽，轧件塑性变形上下对称等多种假设条件下推导出来的，因而传统轧制力模型不能非常准确地描述轧制过程的变化。需要对模型进行改进或结合其他方法来提高轧制力模型的预报水平。本文以适用于热轧中厚板轧制力计算的数学模型为基础，首先从轧制过程的Orowan变形理论出发，深入分析了热轧Sims计算公式的特点，确定了影响轧制力计算精度的主要因素是金属变形阻力K和应力状态系数Q_P。针对轧制力在线预报要求计算速度快的特点，求出了包含轧辊压扁因素的轧制力解析解。然后对BP神经网络的相关知识进行了详细介绍，在此基础上提出了一种新型的基于神经网络的轧制力预报模型，利用神经网络对K和Q_P的乘积进行修正，然后将修正后的值代入求解后的Sims模型计算。以某钢厂热轧四辊可逆轧机的实际生产数据为依据，对模型中建立的拓扑结构为5-20-1的BP神经网进行了离线的训练。结果表明新提出的轧制力预报模型在保证轧制力预报精度的前提下，有效地提高了神经网络的收敛速度。最后，提出了中厚板轧制力预报模型的在线预报方案，并开发出基于神经网络方法的轧制力预报应用软件。本课题所提出的轧制力预报模型对其中的神经网络修正模块进行了简化，使其更加适应于在线应用。通过对预报软件的离线仿真，验证了该预报方案的可行性。为了将软件真正应用在实际生产过程中，还需要对开发的预报模型软件做进一步优化和改进。