在中厚板生产过程中，轧制压力模型是进行计算机设定控制的基础。中厚板轧制规程的制定、压下量调整、厚度精度和板形控制等都与轧制压力有着极大的关系，因此提高轧制压力预报精度是获得良好的厚度精度和板形的手段之一。　　 传统的轧制压力预报模型是基于传统的轧制理论建立起来的解析数学模型，预测出来的轧制压力存在较大误差，难以满足高精度的控制要求。神经网络用于轧制压力预报已经有大量的研究，主要是直接利用实测数据预报轧制压力，预报精度已经有较大改善，但仍然有进一步提高的必要和可能。　　 本文的研究重点是结合神经网络与数学模型来实现高精度的轧制压力预报，具体来说做了如下工作：　　 ⑴通过对2500mm中厚板轧机现场Q345钢种的481道次实测数据的收集整理，运用传统的数学模型建立基本轧制压力预测模型并加以修正，并确定BP神经网络模型的结构。　　 ⑵在不具备试验条件下，无法得出精确的材料变形抗力，利用实测现场数据代入基本数学模型反推之，并将其作为神经网络的预测输出，利用测试样本来检验网络性能，代入轧制压力预报数学模型预报轧制压力，误差精度降至±7％左右。　　 ⑶采用3种结合方式，首先将修正后的数学模型与BP神经网络以加法网络、乘法网络的结合方式进行训练仿真，确定网络模型，得到高精度的结果；第3种结合方式是将数学模型作为神经网络的输入项建立神经网络结构，进行训练仿真，误差精度在±3％左右。　　 本文提出的轧制压力预报方法，不需要对涉及影响轧制压力的各个因素如宽展、温降建立高精度的数学模型，尤其是材料的变形抗力，在不具备实验条件下，仍可预测出高精度的轧制压力。