锭坯稳定生长是制备高质量锭坯的关键,受喷射成形过程中工艺参数变化的影响,传统的理论模型已难以满足实际生产的需求。随着铝合金大规格锭坯喷射成形生产线数据采集技术的实现,迫切需要运用采集得到的大量数据探究工艺参数与锭坯生长状态之间的联系,本文运用大数据技术和数据挖掘技术建立锭坯模型并提出工艺参数优化方法,对铝合金大规格锭坯工业化生产具有一定的应用价值和理论意义。论文通过生产线上采集得到的喷射成形工艺参数与锭坯沉积表面直径值进行相关性分析,筛选出相关性较强的参数作为BP神经网络的输入参数,基于BP神经网络建立了锭坯沉积表面直径预测模型。针对直径预测模型拟合效果较差的问题,选用遗传算法对BP神经网络的初始权阈值进行了优化。在沉积表面直径预测的基础上,提出了喷射成形工艺参数优化思想,并基于GA-BP神经网络建立了沉积基底升降速度优化模型。运用大数据分布式存储及并行化计算技术,设计并实现了遗传算法和BP神经网络的并行化,保证了在优质锭坯数据样本更新后模型的再训练。通过搭建的大数据并行计算实验环境和铝合金大规格锭坯喷射成形生产线对本文的研究内容进行了分析与验证。结果表明,基于大数据技术的GA-BP神经网络的并行化建模既保证了模型的预测精度及稳定性,又有效的提高了训练效率;基于GA-BP神经网络的工艺参数优化方法有效的提升了铝合金大规格锭坯喷射成形过程的稳定性。