为了更好地解决黄河下游河道断流的问题，有必要对引黄涵闸过流量进行远程监测。另外，传统测流所用的流速仪法需较长时间，不利于下游涵闸管理部门根据调度快速调控。软测量技术能解决以上两方面问题。神经网络方法是一种效果较好的软测量建模方法，具有联想记忆，自学习，高度容错，快速处理，能逼近高度复杂的非线性系统的特点，适用于非线性、时变的涵闸水力流量过程建模。本论文深入研究了基于神经网络的软测量建模方法，较好地解决了涵闸流量软测量建模问题。 BP网具有较好的函数逼近及映射能力，适合涵闸流量软测量建模。但为解决其拟合过程中出现的训练速度慢、易陷入局部极小值、推广能力较差的缺点，本文又采用了一种BP优化算法即快速BP算法进行了涵闸流量软测量建模。对比两种方法下的模型，结果验证了快速BP算法具有避免权重陷入局部极小点，网络推广能力相对于BP梯度下降模型好的优点。 RBF网络具有最佳逼近性能，同时训练方法快速易行，不存在局部最优问题。为了更好地解决涵闸流量软测量建模中的非线性问题，作者将RBF网络用于涵闸流量软测量建模，其离线建模效果优于BP网络。 为了使基于数据的软测量建模方法得以进一步推广，有必要开发产品化的软测量建模软件原型。该软件可根据现场数据离线建立过程的软测量模型，提供必要的数据预处理方法及多种软测量建模算法，并具有良好的人机界面。