在软测量建模方法中，一个最常见的非机理建模方法就是利用神经网络进行建模，近年来兴起的粒子群优化算法(Particle Swarm Optimization，PSO)应用于神经网络的训练，本文在对基本PSO算法进行分析后，提出了一种改进的增强型粒子群算法(Enhanced Particle Swarm Optimization，EPSO)，经过实验验证，EPSO表现出很好的性能。 在对PSO算法提出改进方案后，提出了基于改进的PSO算法的神经网络软测量建模方法，然后将该方法应用于粗汽油干点软测量建模，并与常规的BPNN建模方法相比较，结果显示，粒子群神经网络软测量建模方法具有更好的预测精度和泛化能力。 在实际流程工业中，过程数据的采集呈现出多频率的特性，针对这一问题，提出了一种基于多率系统的迭代神经网络软测量建模方法，该方法根据多率系统数据采集的特点，利用低频采样真实数据和大量高频采样信息共同构建神经网络软测量模型，体现了系统的多率特性及动态性能。然后用实验室模拟数据验证了该方法的有效性。最后将其应用于催化裂化装置主分馏塔粗汽油干点软测量建模中，具有一定的实际意义。