不銹鋼盤(pán)管焊縫形狀預(yù)測(cè)的常用方法包括定性預(yù)測(cè)和定量預(yù)測(cè)。定性預(yù)測(cè)是依靠預(yù)測(cè)者的觀察分析能力，憑借經(jīng)驗(yàn)和判斷力進(jìn)行預(yù)測(cè)。由于經(jīng)驗(yàn)有時(shí)候很難描述出來(lái)，因此有它的局限性，尤其當(dāng)不斷出現(xiàn)新情況、新信息時(shí)，經(jīng)驗(yàn)就不一定那么湊效了。定量預(yù)測(cè)是研究應(yīng)用的重點(diǎn)，其預(yù)測(cè)對(duì)象的定量關(guān)系表示首先涉及模型的建立。常見(jiàn)的建模技術(shù)分為機(jī)理建模和回歸分析建模，機(jī)理建模試圖嚴(yán)格描述問(wèn)題，因而要求對(duì)不銹鋼盤(pán)管焊接過(guò)程的內(nèi)部特性有較完全的把握，這其實(shí)是理想化的，實(shí)施起來(lái)都不可避免地存在種種假設(shè)，往往導(dǎo)致結(jié)果與實(shí)際情況相差甚遠(yuǎn)。此外，應(yīng)注意到各種數(shù)學(xué)模型在日益先進(jìn)、完備的同時(shí)卻又增加了計(jì)算的復(fù)雜性，從而降低了可操作性?；貧w分析建模是工程數(shù)據(jù)處理最常用的方法，應(yīng)用于弧焊研究較多?；貧w分析就是應(yīng)用數(shù)學(xué)方法對(duì)從生產(chǎn)實(shí)踐和科學(xué)試驗(yàn)中測(cè)得的大量數(shù)據(jù)去粗取精，去偽存真，從而得到反映事物內(nèi)部規(guī)律的方法。不過(guò)在利用回歸分進(jìn)行建模時(shí)，首先必須給出變量之間的確定性關(guān)系，即基本函數(shù)，而有些變量之間的確定性關(guān)系是很難確定的。

近年來(lái)，隨著計(jì)算科學(xué)和智能科學(xué)的發(fā)展，興起了人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network縮寫(xiě)為ANN，簡(jiǎn)稱(chēng)神經(jīng)網(wǎng)絡(luò)）應(yīng)用研究熱潮。神經(jīng)網(wǎng)絡(luò)也為預(yù)測(cè)領(lǐng)域提供了一種新的方法，該方法的優(yōu)勢(shì)在于可以在不作任何假設(shè)的情況下對(duì)不銹鋼盤(pán)管過(guò)程建模及控制。具體地說(shuō)，它不需要了解數(shù)據(jù)處理過(guò)程的輸入輸出參量之間的變化規(guī)律，不需要像構(gòu)造數(shù)學(xué)模型那樣進(jìn)行一系列繁瑣的數(shù)學(xué)與物理推導(dǎo)，也不需要像回歸分析那樣必須給定基本函數(shù)，它對(duì)給定的實(shí)驗(yàn)數(shù)據(jù)（即實(shí)例）進(jìn)行學(xué)習(xí)，以一組權(quán)重的形式形成一種網(wǎng)絡(luò)的穩(wěn)定狀態(tài)，能精確地逼近輸入輸出之間的映射關(guān)系，可對(duì)大量的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析處理和對(duì)實(shí)驗(yàn)規(guī)律進(jìn)行復(fù)雜的非線(xiàn)性擬合，可消除回歸分析處理非線(xiàn)性問(wèn)題時(shí)的缺點(diǎn)。