不銹鋼盤管焊縫形狀預測的常用方法包括定性預測和定量預測。定性預測是依靠預測者的觀察分析能力，憑借經驗和判斷力進行預測。由于經驗有時候很難描述出來，因此有它的局限性，尤其當不斷出現新情況、新信息時，經驗就不一定那么湊效了。定量預測是研究應用的重點，其預測對象的定量關系表示首先涉及模型的建立。常見的建模技術分為機理建模和回歸分析建模，機理建模試圖嚴格描述問題，因而要求對不銹鋼盤管焊接過程的內部特性有較完全的把握，這其實是理想化的，實施起來都不可避免地存在種種假設，往往導致結果與實際情況相差甚遠。此外，應注意到各種數學模型在日益先進、完備的同時卻又增加了計算的復雜性，從而降低了可操作性。回歸分析建模是工程數據處理最常用的方法，應用于弧焊研究較多。回歸分析就是應用數學方法對從生產實踐和科學試驗中測得的大量數據去粗取精，去偽存真，從而得到反映事物內部規律的方法。不過在利用回歸分進行建模時，首先必須給出變量之間的確定性關系，即基本函數，而有些變量之間的確定性關系是很難確定的。

近年來，隨著計算科學和智能科學的發展，興起了人工神經網絡（Artificial Neural Network縮寫為ANN，簡稱神經網絡）應用研究熱潮。神經網絡也為預測領域提供了一種新的方法，該方法的優勢在于可以在不作任何假設的情況下對不銹鋼盤管過程建模及控制。具體地說，它不需要了解數據處理過程的輸入輸出參量之間的變化規律，不需要像構造數學模型那樣進行一系列繁瑣的數學與物理推導，也不需要像回歸分析那樣必須給定基本函數，它對給定的實驗數據（即實例）進行學習，以一組權重的形式形成一種網絡的穩定狀態，能精確地逼近輸入輸出之間的映射關系，可對大量的實驗數據進行分析處理和對實驗規律進行復雜的非線性擬合，可消除回歸分析處理非線性問題時的缺點。