在乙烯裂解反应中,为了获得最大的经济效益,需要将裂解反应的深度控制在合适的范围之内。许多工厂都以裂解炉平均出口温度COT来控制乙烯裂解的反应深度,但是COT的取值通常根据进料油品的属性和生产经验来决定,因此缺少一定的精确性。在本课题中,以丙烯和乙烯的质量比(丙乙比)来表征裂解深度,计算出最优的深度值,进而控制出口温度。然而,由于测量产物收率的在线分析仪具有很大的时滞,运行成本和维护成本高,且故障率高,不能直接根据测量的乙烯和丙烯来计算裂解深度。针对这一问题,本课题利用软测量思想建立产物收率代理模型的方法来解决,并根据模型和DCS中的现场数据,进行优化计算,实现在线实时深度优化。本文的选题以某石化公司乙烯裂解炉建模及深度优化项目为研究背景,以乙烯裂解产品收率为研究对象。主要研究内容包括：总结回顾了乙烯裂解过程中的反应机理,过程建模及优化操作,讨论了软测量建模的方法,详细介绍了乙烯裂解炉的工艺流程,分析了不同的裂解原料特性和反应条件对乙烯收率的影响,从而确定建模的辅助变量；对大量现场采集的原料数据和操作条件数据进行处理,详细介绍了模糊聚类算法,并利用此算法对各种原料进行聚类,利用COILSIM1D工业软件对不同的原料进行模拟计算,回顾了BP神经网络算法,并根据COILSIM1D产生的数据建立神经网络产物收率模型,并验证了其精确性；从经济效益最大化的角度提出了优化目标,编写深度优化软件包,对现场原料进行分类并选择对应的收率模型,计算最优深度值并进行在线校正,投用后取得了明显的经济效益。