由于精轧温度预报非常复杂，涉及水量、带钢速度、厚度等大量物理参数，以及塑性变形、工件内部组织结构与性能变化等多方面因素，同时精轧温度预报具有显著的非线性、时变性、强耦合和不确定性，传统的温度模型技术很难进一步提高热轧模型的预报精度了。　　 温度是带钢热连轧过程中几个最重要的工艺参数之一，由于温度将直接影响到热轧轧制力，因此精确预报各道次，特别是精轧机组各机架的轧制温度，是保证厚度、板形及宽度数学模型命中率的关键。而精轧温度预报技术是热连轧的核心技术，所以本文将通过提高精轧温度的预报精度来达到提高带钢终轧温度命中精度的目的。　　 本文根据现场实际建立了精轧温度降落的空冷、水冷、轧辊传热以及轧制变形热的传统温度预报模型。利用C++语言，基于vC++6.0开发环境建立了传统温度模型预报精轧温度的仿真程序，实现了精轧温度的逐点预报。但预报结果显示，精轧温度的预报精度不高。　　 根据实际仿真，可以看出传统温度模型已经不能进一步提高精轧温度的预报精度，本文提出了基于ACA-BP神经网络和改进CMAC(基于联想插补算法)神经网络的两种温度预报模型，并实现了基于这两种改进算法的离线仿真，仿真结果表明ACA-BP神经网络预报模型的预报精度和收敛速度均得到著的提高；基于改进CMAC神经网络的误差收敛速度非常快，相比基本CMAC算法，改进算法的预报精度得到了明显的提高。ACA-BP与改进CMAC相比，在对实时性要求非常高的情况下，改进CMAC比较适合，若是对精度要求很严格，则应该考虑ACA-BP算法。　　 同时本文利用VisualC++6.0MFC完成了整个热连轧精轧温度预报系统的界面设计，并分别就基本神经网络算法和改进算法的仿真结果进行比较，结果表明采用改进算法的计算结果与实际生产数据吻合良好。