石油化工行业是支撑我国国民经济重要产业。随着现代化工生产过程越来越复杂，原材料日益短缺，能源价格不断上涨，化工行业竞争越来越激烈，提高化工过程生产的效率，增加企业的经济效益，以及减少原材料和能源的消耗已经成为迫切要解决的问题，因此对化工过程优化的研究越来越受到重视。而化工过程机理复杂，建立化工过程对象的机理模型是困难的、耗时的，因此采用基于生产数据的经验建模方法是符合实际的。本文通过分析化工过程优化的重要性，开发了一套以化工过程为对象，立足生产数据建立经验模型，以试验设计方法为优化算法的数据驱动优化软件。本文主要工作及研究内容如下：(1)提出了运用高斯过程回归代替人工神经网络和支持向量回归建立对象模型，进而改进了Chen等人提出的基于人工神经网络（ANN）和信息分析法的过程优化算法，调整了优化算法中下批次数据点的选取方法，将优化结果点中性能最好的一组作为下一批次试验数据点。以常压塔为优化对象，常压塔全塔经济效益为性能指标，对改进的算法进行了验证，结果显示改进的算法使得常压塔获得了更好的经济效益，验证了改进算法的有效性。(2)提出并设计了以生产数据为操作源的数据驱动优化软件。软件系统的整体架构分为表现层，功能层和数据层，软件系统主要包括数据处理、模型选择和优化操作三大功能模块，根据三层结构和三大功能模块，实现了数据驱动优化软件。(3)将本文设计和实现的优化软件应用到常压塔的操作优化，分别用人工神经网络、支持向量回归和高斯过程回归建立常压塔模型，实现了常压塔优化，优化结果证明了该优化软件的有效性和可行性，满足了化工过程操作优化功能。