热轧卷是典型的结构用钢,由于强度高、韧性好、易于加工成型且具有良好的可焊接性,被广泛应用于船舶、桥梁、汽车等制造领域。表面缺陷是影响热轧卷质量的关键,其中,由于连铸责任判定的比例达到70%以上。而连铸生产是涉及多个方面的庞大系统,工艺参数设置及设备运行状况都影响铸坯质量。对于铸坯质量优化,受到连铸现场高温环境的限制,铸坯质量通常难以直接判定,传统的机理分析方法可以为工艺参数优化提供一定的指导,但仍未能满足现场需求,高品质钢质量波动问题依旧比较突出。而热连轧后热轧卷的质量可以很好的反映连铸坯的质量信息,结合大数据挖掘技术提取数据信息中隐含规律的特点,可为解决上述问题提供新的思路。因此,本文以降低热轧卷缺陷率为研究目的,以数据为中心,以机理研究和智能算法为支撑,利用现场连铸生产数据进行数学建模及参数优化研究,深度挖掘其中蕴含的客观规律,从而为连铸工艺参数优化提供理论和技术指导。论文首先从现场采集数据入手,搭建连铸-热轧质量信息库,结合机理研究对缺陷来源进行梳理。然后,基于神经网络算法对不同钢种热连轧生产数据分别建模,预测热轧卷缺陷发生情况,并采用遗传算法对模型进行优化。其次,基于所建立的神经网络预测模型,提出了一种优化连铸工艺参数的新方法（Prediction Model Method,简称PMM）。最后,基于PMM方法,进行热轧卷质量预测模型应用软件的开发。研究结果概括如下:（1）针对所研究数据集,确定了各个低碳钢、包晶钢、中碳钢模型的最佳拓扑结构分别为8-6-1、7-10-1和6-8-1。基于神经网络算法分钢种建立模型预测热轧卷质量,模型具有较高准确率,其中:低碳钢、包晶钢、中碳钢模型总体预测准确率（AR）分别为94.7%、93.3%和87.5%;缺陷预测准确率（FAR）分别为82.8%、87.5%和85.4%。以实际生产数据对热轧卷质量预测模型进行检验,验证了方法的有效性。（2）选取预测准确率最高的低碳钢模型,利用PMM方法得到各连铸工艺参数对表面缺陷发生可能性的多样本连续变化图,并以此得到对应影响规律、关键工艺参数及临界值。结果表明:吹氩参数中,不同位置的吹氩参数对热轧卷表面缺陷影响均较为明显,保护氩气流量影响最为显著且保护氩气吹氩流量偏高更好,合适的吹氩流量范围为8.0 L/min～12 L/min;同时,塞棒与水口位置的最佳吹氩流量分别为8.5 L/min和8.0 L/min,最佳吹氩压力分别为1.8 Mpa和2.0 Mpa。结晶器热流参数中,结晶器中右窄面水流量比其他侧的影响更为明显,外弧宽面的水温差的变化对质量影响更大,且各面水温差最佳范围为7～9℃,结晶器冷却水进水温度最佳值为35.2℃。此外,基于所研究的低碳钢,从25个连铸工艺参数中对比发现,浇铸速度、塞棒位置、中间包钢水温度、保护氩气压力、结晶器冷却水进水温度、钢包钢水重量、中间包钢水重量、结晶器液位、塞棒氩气压力等9个参数为关键工艺参数,在实际生产中需要首先考虑这些参数对缺陷形成的影响,并且缺陷发生可能性对钢水过热度和结晶器液位的波动最为灵敏。基于以上的质量预测模型与连铸工艺参数优化综合分析,在现场展开优化应用,最终由连铸导致的热轧卷质量缺陷率相比之前的下降了34.7%。（3）根据建立的热轧卷质量预测模型,基于python语言编写了不同钢种的热轧卷质量预测软件,通过调用神经网络程序代码,可以便捷的利用连铸过程工艺参数数据对热轧卷质量进行实时预测,方便快速的溯源缺陷发生原因。