在火电厂热工系统预测、分析、控制过程中,往往需要首先辨识出系统的模型。精确的系统辨识,能够更加有效的对系统进行控制。然而由于热工系统非线性特性,通过精确地数学的模型描述系统的模型较为困难。随着智能算法和统计学习理论的发展,采用智能算法拟合系统模型逐渐成为系统辨识的一个主要手段。本文在利用系统工程6σ实施方法,分析对象动态特性模型的基础上,提出了基于神经网络和支持向量回归的非线性系统辨识的改进算法及仿真研究。针对热工过程中结构复杂,扰动大的特点,论文给出了基于神经网络的系统辨识算法辨识结构复杂的模型,并提出了基于烟花算法优化的神经网络解决扰动大的问题。在热工过程中的蒸汽压力和蒸汽温度控制模型上进行了仿真,与神经网络辨识结果比较,表明在有噪声的情况下烟花算法优化神经网络抗噪能力更强。针对热工过程中的上述问题,本文建立了支持向量回归的系统辨识算法辨识热工过程中结构复杂的模型,并提出了基于距离隶属度的模糊支持向量回归解决扰动大的问题,并进行了仿真。结果表明,相比支持向量回归算法,模糊支持向量回归可以更好地拟合系统,同时抗噪能力更强。本文开发了基于神经网络和支持向量回归的系统辨识软件,可以自行生成常见热工过程模型的仿真输入输出数据,并可以利用真实的输入输出数据进行系统辨识。