研究了 Keras 深度学习框架下的 BP 神经网络在热轧带钢力学性能预测中的应用。首先采用主成分分 析 PCA 对原始数据进行降维,再利用 Keras 深度学习框架下优化函数及参数对 BP 神经网络进行优化,最终 建立原始化学成分和热轧生产工艺参数与带钢力学性能之间的关系。验证结果表明,模型取得了较高的预 测精度,对于抗拉强度,预测值与实际值的相对误差绝对值在 10% 以内的样本占比 93. 4% ; 对于屈服强度,预 测值与实际值的相对误差绝对值在 10% 以内的样本占比 92. 1% ; 对于伸长率,预测值与实际值的相对误差绝 对值在 10% 以内的样本占比 90. 5% 。因此,通过验证,预测结果对热轧现场具有较好的指导意义。