石油化工生产流程中,建立一个有效的数学模型能够很好地描述投入与产出之间的相关关系,可以方便操作人员对生产流程进行准确控制和优化。石油化工流程中出现的小样本数据通常具有不平衡和不完整的特征,不能完全刻画总体样本的空间特征,从而导致由此建立的数据驱动模型精度不足。针对小样本问题,本文提出了一种基于中点插值的非线性虚拟样本生成方法,结合插值法与极限学习机原理,利用极限学习机隐含层输出和输出层输出之间的线性关系,对相邻样本进行中点插值操作来生成虚拟样本,进而填充小样本之间的信息间隔。使用极限学习机建模时,针对隐含层节点数难以选取的问题,本文提出了一种基于主元提取的极限学习机模型,在初始设定大量隐含层节点的情形下,使用主元分析法对隐含层输出进行特征提取,从中剔除出隐含层所包含的冗余信息,来避免隐含层节点数的选取问题。本文使用标准函数和乙烯生产流程数据验证虚拟样本生成方法的有效性;本文使用精对苯二甲酸生产流程数据验证基于主元提取的极限学习机模型的适用性和稳定性。实验结果显示,本文提出的虚拟样本生成方法能够有效提高小样本建模的精度;本文提出的基于主元提取的极限学习机模型,可以在避免隐含层节点数选取问题的基础上保证模型的精度和稳定性。