在化工生产过程中,软测量技术可以解决某些难以测量的关键变量的在线估计问题,从而为生产优化和闭环控制提供指导。随着化工过程的日益复杂化,人们对于软测量技术的需求也在不断增加,软测量技术也在与其它技术的交叉中不断得到完善。当前软测量技术涉及到的研究方向主要有数据处理技术,数据驱动的软测量建模以及智能优化技术等。针对丙烯精馏塔的塔顶丙烯浓度软测量和操作优化问题,论文从以下三个方面开展研究工作：(1)由于软测量的建模样本与模型质量紧密相关,本文从样本数据处理技术出发,着重研究了辅助变量筛选方法和聚类算法。在此基础上,提出了基于平均影响值的特征加权仿射传播聚类算法,并开展了算法有效性的仿真验证。(2)针对丙烯精馏塔的塔顶丙烯浓度软测量问题,在学习广义回归神经网络(GRNN)、最小二乘支持向量机(LSSVM)等软测量建模方法的基础上,将前述的改进聚类算法和LSSVM方法相结合,提出一种改进的最小二乘支持向量机组合模型建模方法。工业现场数据验证了算法的有效性,与GRNN和LSSVM建模方法相比,本方法具有精度高、泛化性能好的优点。(3)本文在改进遗传算法和粒子群优化算法的基础上,提出了多种群混合文化算法。无约束和有约束的Benchmark性能测试表明,与改进的遗传算法、改进的粒子群优化算法和多种群精英共享遗传算法相比,多种群混合文化算法搜索效率更高,稳定性更好。针对丙烯精馏塔中基于数据驱动模型的操作优化求解问题,使用“哑值”的方式代替惩罚项来将有约束问题转化为无约束问题,避免了惩罚系数的选择,多种群混合文化算法与其他算法相比具有更好的性能。