随着工业的飞速发展,建筑、汽车、船舶、铁路管道等众多领域对热轧带钢产品性能的要求日益严苛。如何精准预报热轧带钢的力学性能,对广大钢铁企业的进一步发展具有重要意义。深度学习(DL,Deep Learning)是机器学习(ML,Machine Learning)的一个重要研究方向。随着计算机硬件性能的不断提升,数据量的积累日益增多,深度学习以其出色的特征提取能力受到越来越多科研工作者的青睐,其中最具代表性的模型便是卷积神经网络(CNN,Convolutional Neural Network)。经过随机初始化后的卷积神经网络能够从大量图像数据中自动学习图像的特征,其局部连接方式和权值共享特性能有效减少了模型中需要计算的参数个数,降低了模型复杂度。基于以上分析,本文提出基于深度学习技术的热轧带钢力学性能预报模型。首先,本文基于深度前馈神经网络建立了热轧带钢力学性能预报模型,以抗拉强度作为研究对象。实验结果表明在热轧带钢力学性能预报建模问题上,深度前馈神经网络有不错的效果。然后,考虑到一维数值型数据难以表达出影响因素间复杂的交互作用关系,提出将一维数值型数据转换为二维图像和三维图像数据进行建模。接着,针对卷积神经网络模型的结构和参数选择上进行大量对比实验,优化确定模型的结构,并验证了该卷积神经网络模型结构在热轧带钢力学性能预报问题上的有效性和优越性。最后,通过融合LeNet-5和GoogLeNet卷积神经网络,构建出一种新型网络结构的热轧带钢力学性能预报模型。为验证改进模型的有效性和可靠性,本文基于大量的热轧生产过程实测数据对改进后的模型进行了测试。实验结果表明,改进后的模型能有效提高热轧带钢力学性能预报的精度。