先进控制是化工过程的有效控制手段,得到了广泛应用。先进控制往往要求实时测得控制变量的各项指标,如产品成分、气体含量等;而实际生产中这些指标受限于现场测量条件、仪表购买和维护成本等原因,往往不能用在线分析仪表直接在线测量。由此需要采用在线估计方法,实时计算待测变量。作为建模问题,化工过程生产指标在线估计的特点在于:过程变化明显及样本点少。本文以“常压塔塔顶产品质量指标估计”为背景进行方法研究。该问题中,作为进料的原油,其性质不断发生变化,容易造成模型失配,预测精度不够。本文首先利用流程模拟软件HYSYS仿真原油变化情况,比较对原油变化分类建立模型的有效性,然后对于更为复杂的实际工业数据进行研究和提出解决方法,主要工作集中在以下两方面。1、针对原油性质发生变化的问题,提出采用分类和聚类的方法,对相似性质的原油建模,并在线选择对应的预测模型。通过分类或聚类,使每个子类的样本点更吻合该类模型。在分类方法中,比较了RBF网络、SVM(支持向量机)和AdaBoost三种分类器,并由AdaBoost分类器得到了最好的分类效果。验证了分类准确率的提高,将带来预测精度的提高;相对于不分类直接建模,其预测误差降低了17.8%。对于缺乏类别标志的数据,采用聚类方法,同样明显提高了预测精度,改善达到12.8%。由此说明,对于类似于原油性质变化的问题,采用分类或聚类建模的方法,将是改善精度的有效手段。2、针对化工建模训练集样本数通常较少,特别是在分类后子类样本集过小的特点,应用了小样本建模的方法。利用统计学习理论相关知识,采用SVR(支持向量回归)方法,根据对象特性选择了合适的Kernel函数,有效地提高了模型的推广性,并使得小样本子类的预测精度提高了近19.1%。另外,采用Bagging方法验证对小样本建模的效果,发现在样本数很小的情况下,PLS模型具有直观上的“不稳定性”(unstable),符合Bagging方法的应用条件;Bagging方法的引入,将原有的建模精度提高了9.9%。作为直接建模手段的SVR和力图解决模型不稳定性的Bagging方法,都为化工过程小样本建模提供了可行的方法选择。