在工业生产和制造过程中，有些工艺参数出于技术或经济的原因，无法直接测量，但是这些参数对于保证产品的质量和保证生产装置的平稳运行都十分重要。为解决这个问题，软测量技术应运而生，已发展为当前过程控制领域研究的热点之一。化工PTA生产氧化反应过程对TA产品质量指标4-CBA浓度需要进行严格控制，以稳定氧化反应器的操作条件，从而稳定TA产品质量。实际生产中，4-CBA含量无法在线测量，只能通过离线化验室分析，得到的4-CBA化验值不能用作指导实时控制。因此，论文以实际PTA生产过程为例，在某厂生产现场数据的基础上，建立了几种基于数据驱动软测量模型并讨论了各模型的优劣，认为选择较优的最小二乘支持向量机模型能够实现对产品的高精度、实时性强的测量，从而指导生产优化。论文的主要研究工作包括以下几个方面：　　 1.对当前软测量技术的发展、现状和特点等作了简要概述，并介绍了软测量技术的概念、工程实现以及一些常用的软测量建模方法，其中重点讨论了几种论文应用的软测量模型：经典方法中的部分最小二乘法，神经网络中的BP算法和RBF算法，混合建模的PLS-BP算法，支持向量机和最小二乘支持向量机算法。　　 2.简单介绍了化工生产PTA生产及氧化过程，剖析了氧化过程的特点，指出了控制质量指标4-CBA面临的问题和改进的意义。针对面临的问题，提出用软测量的解决方法。　　 3.建立了4-CBA浓度的五个4-CBA软测量模型并进行模型校正：基于PLS的4-CBA浓度模型；基于BP神经网络的4-CBA浓度模型；基于PLS-BP算法的4-CBA浓度模型；基于RBF神经网络的4-CBA浓度模型；基于LS-SVM的4-CBA浓度模型；对以上建立的软测量模型，经过比较，结果表明用多元线性回归经典方法PLS具有良好的信息压缩和提取能力，适合于处理相关性强的数据，但处理非线性问题能力不强。而RBFNN具有良好的非线性逼近能力，适用于非线性建模，但其存在隐含层节点等难以确定的问题。最小二乘支持向量机方法建立的模型求解速度快，精度高，由此获得的非线性模型具有很好的泛化能力，能够较好的达到4-CBA浓度的软测量预测的目的，为产品先进控制奠定基础。　　 最后，在总结全文的基础上，探讨了论文和软测量建模技术有待进一步研究的问题。