海水营养盐是海洋初级生产力的基础,其含量分布与浮游生物活动密切相关。营养盐不足会限制浮游生物生长,而含量过高又容易引起海水的富营养化,进而引发生态风险。因此,对营养盐浓度的监测对维护海域生态环境、预防灾害具有重要意义。然而,目前海域营养盐浓度的定期采集成本普遍较高,同时还伴随试剂污染和采样风险等问题。为此,本文提出采用软测量方法获取近岸海域营养盐浓度,即采用机器学习建模营养盐因子与其他相关水质因子浓度的规律,由部分已测水质因子的浓度数据推算出营养盐因子的浓度。本文以溶解无机氮（DIN）和溶解硅酸盐（DSi）两种营养盐因子为目标特征,使用威海市近岸海域水质监测数据集,综合考虑时空、物理、化学、生物、水文、气象以及陆源信息等关联特征,基于XGBoost建立营养盐浓度软测量模型。由于海域水质监测数据具有高成本特性,本文还提出一种数据消费分析方法,从建模所需数据量角度对软测量模型进行多维观察与比对,以发现更高效的软测量模型和性价比更优的建模数据集,数据消费分析对高成本数据建模具有广泛的实用性。本文的主要工作包括:1.近岸海域水质监测数据预处理。包括消除直接关联因子、特征构造、特征归一化和关联特征选择等步骤。2.提出基于XGBoost的DIN和DSi软测量方法。此方法首先通过聚类将海域划分为多个分区,然后在各分区内建模,并通过补充距离特征和直接关联因子增补等关键步骤提升软测量模型的性能。3.近岸海域营养盐浓度软测量模型数据消费分析。提出一种数据消费立方体模型,从时间、空间和特征三个维度对软测量建模所需数据量进行分析,其中,时间维度为水质数据采集的时间跨度,空间维度为水质监测空间范围,特征维度为每个监测站点需采集的特征因子集。本文通过实验验证了所提出的近岸海域营养盐浓度软测量方法的有效性,并通过数据消费分析,给出了软测量建模数据集性价比最高的时间跨度、监测范围和特征因子集。