简介： 本发明提供一种基于特征向量和神经网络的结晶器漏钢预报方法，属于钢铁冶金连铸检测技术领域。所述的结晶器漏钢预报方法通过提取结晶器铜板温度速率异常区域的形状特征与扩展特征，并利用神经网络对构建的特征向量进行分类，从而检测和预报结晶器漏钢。适用于板坯、方坯、圆坯、异型坯等连铸坯的漏钢预报。本发明通过在线获取热电偶的实测温度，可视化表征出温度速率异常区域，进而提取和构建异常区域的特征向量，通过神经网络模型对特征向量样本库进行学习和训练，最终实现结晶器漏钢的在线预报；该方法基于神经网络模型对结晶器漏钢进行实时检测和预报，能够在保证100％黏结漏钢报出率的前提下，同时降低误报率，有效提高预报准确率。