本发明公开了一种轧辊磨损凸度和热凸度的预测方法，属于轧制过程自动控制技术领域。首先采集轧制生产过程中的二级计算数据；按照工作辊换辊周期进行划分，生成若干个工作辊换辊周期的建模数据；将各周期内依次轧制带钢的过程抽象成时间序列问题，再将各周期的数据分成训练集和测试集，用训练集数据构建Elman反馈神经网络来进行轧辊磨损凸度和热凸度预测；通过多次测试最终确定Elman反馈神经网络的训练函数、隐含层神经元个数以及最大迭代次数等最佳参数，最后采用确定好的Elman反馈神经网络训练得到预测模型，并对新轧制周期内工作辊的磨损凸度和热凸度进行预测。预测模型基于实际生产数据，而轧制现场生产数据的采集易于操作，模型具有很强的推广能力。