随着计算机技术的不断发展,现代连续工业生产过程越来越依赖计算机集成制造系统(CIMS)在过程控制、操作优化、决策分析和生产调度中的应用。作为对生产工况的直接反映,这些庞大的测量数据为控制优化、计划调度和决策分析提供依据。然而在实际的测量中,误差是难以避免的。由于测量误差的存在,导致测量数据不符合过程的变量平衡关系。一旦采用含有测量误差的数据源作为决策依据,可能会带来经济上的损失,严重的甚至可能会影响生产过程的稳定运行。本文首先针对某年产50万吨甲醇的甲醇合成装置工艺流程和控制要求进行了深入的分析,研究了该装置的数据校正问题。由于在负责的环境中运行,测量仪表难以避免在测量过程中产生偏差,从而导致测量数据可靠性下降。针对这种现象,本文对该甲醇合成装置的测量数据进行了数据校正,减少了测量误差的影响。本文引入了一种基于支持向量机的SV回归方法,该方法将显著误差视为回归模型的复杂度进行去除,同时还可以对测量数据进行数据协调。与此同时,针对粒子群算法的特点,本文提出了惯性权重动态更新策略与速度变异策略,得到了改进粒子群算法(IMPSO)、改进食物导向粒子群算法(IMFGPSO)和改进微分粒子群算法(IMDPSO)等,通过对不同测试函数的仿真,结果显示这些改进算法具有更好的全局搜索性能。本文将采用这些算法来处理甲醇合成装置的数据校正问题。本文采用了基于SV回归的数据校正方法,结合基于参数方程处理等式约束的粒子群算法及其改进算法,采用实际过程运行数据对某甲醇合成装置的测量数据进行了研究。结果显示,基于SV回归方法的数据校正算法可以有效地减少误差对测量数据的影响。本文研究结果对实际生产过程有指导意义。