采用集成学习方法研究了一种精度高、泛化能力强的冷轧带材板形预报方法。以工业大数据为基础构建模型训练所需的数据集具有数据规模大、板形多样化程度高的特点。根据轧机与板形仪间的相对位置进行时间滞后补偿处理，消除数据之间的时间不同步。利用数据挖掘技术中的孤立森林算法对数据中的异常点进行清洗，提高了训练数据质量和模型性能。基于极端梯度提升算法搭建多通道板形并行预报架构，利用处理后生产数据对此架构进行训练，得到冷轧带材板形预报模型（CCFD＿M）。以模型CCFD＿M为基础，提出板形通道优化算法消除预报结果的“伪板形”问题，得到实用版冷轧带材板形预报模型CCFD＿OM。经测试集验证，模型CCFD＿OM的预报误差指标MAE（平均绝对误差）和RMSE（均方根误差）分别达到0.4044I和0.6816I,拟合性能指标R²达到了0.83,能够满足实际生产要求。