不锈钢盘管焊缝形状预测的常用方法包括定性预测和定量预测。定性预测是依靠预测者的观察分析能力，凭借经验和判断力进行预测。由于经验有时候很难描述出来，因此有它的局限性，尤其当不断出现新情况、新信息时，经验就不一定那么凑效了。定量预测是研究应用的重点，其预测对象的定量关系表示首先涉及模型的建立。常见的建模技术分为机理建模和回归分析建模，机理建模试图严格描述问题，因而要求对不锈钢盘管焊接过程的内部特性有较完全的把握，这其实是理想化的，实施起来都不可避免地存在种种假设，往往导致结果与实际情况相差甚远。此外，应注意到各种数学模型在日益先进、完备的同时却又增加了计算的复杂性，从而降低了可操作性。回归分析建模是工程数据处理最常用的方法，应用于弧焊研究较多。回归分析就是应用数学方法对从生产实践和科学试验中测得的大量数据去粗取精，去伪存真，从而得到反映事物内部规律的方法。不过在利用回归分进行建模时，首先必须给出变量之间的确定性关系，即基本函数，而有些变量之间的确定性关系是很难确定的。
近年来，随着计算科学和智能科学的发展，兴起了人工神经网络（Artificial Neural Network缩写为ANN，简称神经网络）应用研究热潮。神经网络也为预测领域提供了一种新的方法，该方法的优势在于可以在不作任何假设的情况下对不锈钢盘管过程建模及控制。具体地说，它不需要了解数据处理过程的输入输出参量之间的变化规律，不需要像构造数学模型那样进行一系列繁琐的数学与物理推导，也不需要像回归分析那样必须给定基本函数，它对给定的实验数据（即实例）进行学习，以一组权重的形式形成一种网络的稳定状态，能精确地逼近输入输出之间的映射关系，可对大量的实验数据进行分析处理和对实验规律进行复杂的非线性拟合，可消除回归分析处理非线性问题时的缺点。
