生产过程操作优化的目的是为生产现场提供可参考的最优操作参数,对于提高工厂效益、增强产品质量有重要意义。石脑油热裂解制双烯生产过程中存在很多不确定的扰动,传统的静态鲁棒操作优化参照历史扰动数据设定固定的鲁棒度,虽然一定程度上可以降低扰动的影响,但是这种方法需要依据人工经验,无法保证生产效益的最大化。针对这种情况,本文提出了基于时间序列预测的动态鲁棒操作优化模型与求解方法。首先将最小二乘支持向量机（LSSVR）和差分进化算法（DE）相结合建立动态扰动的时间序列预测模型,实现对扰动的实时预测。接着通过比较几个稳定的集成模型的效果,分别找出合适的乙烯和丙烯收率预测模型。最后通过改进的多目标差分进化算法（IGDE3）对动态鲁棒操作优化模型进行求解,得到最优操作参数集合对现场提供指导。具体的研究内容包括:（1）针对石脑油热裂解制双烯的实际情况,确定了优化目标和操作参数,重点考虑到扰动的影响和静态鲁棒优化模型的不足,基于时间序列预测,建立了多目标动态鲁棒操作优化模型。（2）针对石脑油热裂解制双烯的动态不确定性,将最小二乘支持向量机（LSSVR）和改进的差分进化算法相结合,以相空间重构参数和向量机参数为决策变量,建立了动态扰动的时间序列预测模型,提前预测下一优化周期参数的波动范围,实现对操作优化鲁棒度的动态调整;（3）针对石脑油热裂解生产过程中双烯收率无法在线检测的问题,将LSSVRDE作为子学习机,建立常用稳定高效的集成回归模型,通过分析这些集成模型的预测效果,获得了高性能的乙烯、丙烯收率预测模型;（4）针对石脑油热裂解生产过程动态鲁棒操作优化模型,提出了基于参数自适应和局部搜索的改进GDE3算法。基于仿真数据的实验结果表明,基于时间序列预测的多目标动态鲁棒操作优化方法要优于与传统的静态鲁棒操作优化方法。