近年来,我国化工安全生产事故频发,造成的人员伤亡和经济损失不可估量,国家对化工安全生产状态监控预警技术越来越重视。目前国内对化工安全生产状态的预测研究较为缓慢,主要是基于硬件技术对系统中单一设备单一指标进行预测。本文分析了目前在化工生产领域中基于多变量统计方法的过程监测算法,并将偏最小二乘算法(PLS模型)与滑动自回归模型算法结合,提出一种基于多变量统计算法的过程预测算法,实现对化工生产安全状态的预测,并将此方法应用于涉氨制冷系统中。本文重点在于对预测算法的实际应用,为此展开的工作如下。1、调研应用单位相关生产工艺及生产现状,对获取到得数据进行初步的数据处理工作,并根据实际情况对数据进行数据清洗、数据预处理等工作,为建立多变量统计模型做准备。2、本文基于多变量统计算法,就两种应用较为广泛的算法——主成分分析法(PCA)和偏最小二乘法(PLS)进行建模,基于Q统计量和T2统计量进行过程监控,并针对异常数据绘制对应贡献图,分析故障原因。就过程监控效果、贡献图、预测准确率等方面对两种算法进行对比,经过实例验证,PLS模型在以上几方面优于PCA模型。3、本文将时间序列预测思想引入化工生产安全状态监测模型中,将ARMA模型与PLS模型结合,提出ARMA-PLS算法模型,实现了化工生产安全状态的预测。以上研究工作所提出的ARMA-PLS算法模型,较适用于对化工生产安全状态的预测,对在化工生产安全的相关预测预警技术实现具有一定的理论意义。