在工业生产作业中，为了使产品的产出质量和生产过程的效率达标，必须将关乎产品品质的过程变量严密监测。然而，实际生产中存在一类无法或难以用传感器监测到的过程参数，只能通过离线分析的办法获取它们的值。这些参数有时直接或者间接的影响到生产过程得正常运行和产品的质量，需要实时监视和控制。软测量技术作为解决这类参数的测量和控制问题的新方法，渐渐受到人们重视并发展起来。本文首先研究软测量技术的基本概况，这包括软测量问题的建模方法、辅助变量的选择和数据处理方式等。简要阐述了目前工业上使用较多的建模方法和它们的优势及缺点。扼要叙述了联合站原油脱水的流程，利用软测量技术代替应检测量测定油水界面高度具有现实意义。通过研究多种软测量建模方法的优缺点，选取了基于BP人工神经网络的建模方法，这种建模方法对待具有不确定性和非线性对象，具有很好的逼近能力。因此，针对联合站原油脱水环节中的油水界面测量问题，利用神经网络技术建立了相关的软测量模型，并进行了仿真实验，验证模型的正确性。根据BP网络的特点及其多种改进算法的研究，利用智能算法优化神经网络，选择了其中粒子群算法建立软仪表，进行仿真实验。在优化BP网络时，发现可以用遗传算法优化粒子群算法从而结合成混合算法，能够发挥两种算法的长处，从而实现扬长避短。使用这种方法进行仿真实验，与单独算法的仿真结果相比较，得到的软测量模型估计效果更好，可以满足工业要求。