随着企业信息化水平的不断提高,钢铁企业计算机系统经过长期的运行,积累了大量的生产过程数据。如何分析这些数据,从而提高企业在同行业中的竞争力和创造更高的利润是钢铁企业正面临的一类重要课题。中厚板在生产过程中产生的内应力是影响中厚板产品质量的一类关键因素。本文基于中厚板生产过程中积累的大规模工业数据,应用机器学习和统计分析的理论和方法,研究数据驱动的中厚板应力缺陷分类预测模型。主要研究的内容有两个方面:1)基于统计学习的中厚板应力分析特征提取及缺陷预测。利用最优子集选择、热图与聚类分析方法从大量数据特征中选择对中厚板应力缺陷有显著影响的数据特征,然后建立logistic分类预测模型,采用交叉验证的方法对模型进行训练和验证。2)遗传算法与机器学习混合的中厚板应力分析特征提取及缺陷预测。利用遗传算法的0-1编码机制实现数据特征的选择,利用logistic分类预测模型及交叉验证方法对遗传算法中个体的编码进行解码,计算出个体的适应值。利用遗传算法的进化机制实现数据特征的最优选择。数据清理和分析模型采用R语言作为分析工具,遗传算法采用C#调用R语言的混合方式实现。实验结果表明本文所给出的两种特征提取及预测模型均可以较准确地预测中厚板生产过程产生的应力缺陷。最后,将两种方法所得出的结果做出比较,研究各自方法的优缺点,从而更好的解决中厚板缺陷预测问题。