根据钢材化学成分及生产工艺参数,准确预测力学性能,是钢铁制造者多年来的研究目标。由于钢铁材料的组成元素较多,生产工艺较复杂,要想通过对加工过程中各种冶金现象纯粹的定量计算,来精确预报材料性能非常困难。根据钢材力学性能预测系统的需求分析,设计了钢材力学性能预测系统。论文的主要内容包括：(1)前期数据预处理：针对轧制过程工艺参数多、现场数据量大及数据质量差等情况。本文在对数据进行前期预处理基础上,分别分析了两种数据降维模型,分别为：基于PCA和减法聚类算法相结合的数据降维模型和基于粗糙集的降维模型。现场试验数据表明：基于系统一致性的粗糙集属性约简方法能有效提高力学性能的预测精度。(2)预测系统算法设计：该系统分别比较了遗传算法和粒子群算法优化BP网络权值阈值,对网络预测性能的影响。最终选用经过粒子群算法优化的BP网络对实验数据模拟计算。(3)预测系统数据库管理系统：根据某钢厂带钢生产的工艺流程,建立了钢材力学性能预报系统的数据库及其管理系统,并实现了对相应数据的批量导入导出、预测系统数据实时存储及数据库基本的录入、删除、查询等功能。动态显示训练误差曲线。通过主控制台界面,实现对钢材力学性能的预测。通过预测值与实际生产数据的对比分析,系统抗拉强度预测误差从10.3降低到7.8,屈服强度预测误差从11.2降低到7.5,延伸率预测误差从8.5降低到5.2。