摘要：传统铸坯质量预测大多基于全局建模方法，存在自适应能力较差、预测精度不稳定等不足。为此，提出了一种基于即时学习算法的铸坯质量预测方法，主要特征为构建基于即时学习算法的局部模型，以取代传统全局模型，实现建模和预测同时在线进行，更适应于场景复杂、工况多变的连铸生产过程；根据连铸生产数据的时变性特点，在相似度计算中引入时间权重因子，强化样本数据与待测数据的相关性，更有利于提高铸坯质量预测模型精度。以国内某钢厂65号高碳钢铸坯三角区裂纹为例，具体说明即时学习算法在铸坯质量预测局部模型构建中的应用，并与铸坯质量预测全局模型的预测结果进行对比分析及评价。结果表明，基于即时学习算法的局部模型在评价指标上均优于全局模型，全局模型的预测准确率为65%,基于即时学习算法的局部模型准确率提升至90%,进一步阐明基于即时学习算法的局部模型用于铸坯质量预测的有效性。 关键词：即时学习；局部模型；相似度；质量预测；三角区裂纹