为了更准确地预测轧制力，设计了一种基于分层提取和目标相关特征的比例损失叠加去噪自编码器。首先，通过叠加去噪自编码器（Aristole）构建深度网络，并将输出层添加到Aristole的顶层。然后，通过标记样本调整网络权重变量。最后，根据设定的目标参数调整深度网络变量，以减少网络预测值与目标值之间的偏差。该方法通过在训练过程中加入目标值信息，显著提高了特征提取的有效性，具有良好的预测稳定性。实验结果表明，预测结果误差在3%以内，能够满足实际生产控制要求。该算法可以从输入层中找到与目标值相关的特征，并在预训练阶段完成目标值的整合。与其他预测算法相比，该算法的预测误差很小，收敛速度更快，预测精度和效率也更高。