本文针对RBF神经网络性能容易依赖数据样本、泛化性能不高的缺点，提出了一种改进RBF神经网络结构，通过在超椭球体的数据分类形式上增加超平面的划分形式，增强输入空间数据划分的灵活性。实验结果表明，该改进RBF神经网络结构能取得比一般网络结构更好的泛化性能。网络采用一种基于FCM的最佳满意度算法来自动确定隐含层参数，原理简单、可靠性强。在网络连接权值的优化问题上，本文提出一种改进的局部版粒子群(PSO)算法，学习迅速，而且不易陷入局部最小。所提出的改进方法均在CSTR组分软测量实验中进行了验证，取得了较好的效果。 此外，以某焦化公司的德士古气化炉为主要研究对象，以气化炉炉温为软测量目标，根据煤气化流程的反应原理和工艺机理，研究了辅助变量的选择、数据的采集与处理，建立了甲烷神经网络测温模型、一般RBF神经网络模型和改进RBF神经网络模型。结果表明，本文提出的改进算法和改进结构，在实际炉温模型建立中，能够准确地拟合测量温度，跟踪温度变化趋势，具有良好的泛化性能。