作为一门新兴工业技术,软测量技术有着广阔的发展前景,已发展成为过程控制与仪表研究的主要方向之一,随着软测量技术理论研究和实践不断地完善和发展,将会在工业控制舞台上起着举足轻重的作用。本文以实际工程为背景,通过研究软测量技术理论,提出了三种软测量建模方法。其一是基于混合KPLS软测量建模方法。结合工程实际,首先采用常用方法偏最小二乘(PLS)建立软测量模型,但考虑到PLS方法运算速度慢、模型抽象,是一种线性算法,处理非线性数据能力较差,引入核函数,建立了核偏最小二乘(KPLS)软测量模型,考虑到单一核函数具有一定的局限性,引入混合核函数弥补单一核函数的不足,建立了混合核偏最小二乘(MKPLS)软测量模型；其二是基于混合KPLS和神经网络的软测量建模方法。考虑到之前所采用的单一方法建模有其局限性,这里采用混合方法建立软测量模型以弥补其不足。将MKPLS分别与BP神经网络、径向基(RBF)神经网络相结合,建立相应的MKPLS-BP和MKPLS-RBF两种混合软测量模型,并通过工业现场数据利用MATLAB软件进行仿真,仿真结果表明,混合模型的学习能力和泛化能力相对于单一方法建模有所提高；其三是基于混合KPLS和最小二乘支持向量机的软测量建模方法。考虑LSSVM具有更好的非线性处理能力、运算速度快等优点,建立了MKPLS-LSSVM的软测量模型；考虑至LSSVM模型参数对软测量模型的拟合精度和泛化能力起着举足轻重的作用,采用简单易于实现且具有较强的全局优化能力的粒子群优化算法(PSO)优化LSSVM模型参数,构建MKPLS-PSO-LSSVM软测量模型,通过仿真证明采用PSO对模型参数进行优化后,模型精度有了很大的提高。