轧制和层冷过程对于中厚板最终的形状和质量至关重要。而提高中厚板最终性能的前提是建立精确的温度场模型。当前温度场模型大多是对轧制和层冷过程分别建模的,且存在模型过于简化、参数设置过于理想以及计算时间过长等问题。而在实际生产过程中,板坯终轧的温度会直接影响到层冷过程模型的精度,复杂的环境变化对模型中的参数也有很大影响,且目前大多数的模型都以减少网格点、简化换热系数计算公式来提高模型运算速度,这样对模型的精度会有很大的影响。针对上述问题,本文建立轧制-层冷过程为一体的温度场模型,根据实验采集到的温度数据对模型中的换热系数进行反算求解,并在CUDA编程架构下,通过GPU的并行计算来提高模型的计算速度。本文主要研究内容如下:（1）轧制-层冷过程温度场模型的建立。本文基于中厚板的厚度和宽度方向,建立轧制-层冷过程为一体的二维温度场模型。并根据过程中不同阶段的换热特点,结合各阶段的边界条件和初始条件,用有限体积法离散温度场模型,求解板坯内部的温度分布。（2）基于反问题算法的换热系数求解。针对课题的研究特点,本文对比遗传算法和粒子群算法应用于温度场模型的反算效果,并对粒子群算法大范围搜索时求解速度慢的缺点做出改进,对板坯上下表面换热强度不同的情况,分别反算上下表面的换热系数。（3）温度场模型的并行化设计及实现。本文在CUDA编程架构下,对温度场模型的各个具体任务进行划分,使用GPU并行计算温度场模型,并通过改变GPU内存的使用情况以及核函数线程的配置情况对并行程序进行优化。（4）温度场模型验证及分析。本文对不同阶段温度场模型计算的结果与实验测得的数据进行对比,验证温度场模型的计算精度,并对并行模型与串行模型的计算速度进行对比,验证并行模型速度的提升性能。最终,并行温度场模型的计算加速比为2.058,且与实验测得的温度值相比较,模型的计算误差在10℃以内,速度与精度方面都有较好的效果,为后续相关的研究与应用打下良好的基础。