PTA作为基础化工原料，应用领域非常广泛，涉及到国民经济的各个方面，与人民的日常生活密切相关，因此研究PTA工业生产过程具有重要的意义。本文研究的重点在于对PTA生产过程中的薄膜蒸发器和共沸精馏塔两个装置进行建模。本文在研究过程中发现从工业现场采集的数据质量不高，且数据量非常大，这对训练样本的选取和神经网络建模都是不利的，而且由于薄膜蒸发器和共沸精馏塔工作原理的复杂性，使其输入变量的选择很困难。由于上述问题的存在，使PTA工业过程的建模工作无法顺利进行。基于上述原因，课题首先对工业数据的预处理技术和样本选择技术进行了初步的研究，并把数据融合、缺失值处理、异常数据处理、稳态检测、滤波、矛盾数据检测等数据预处理方法和样本选取方法应用到了PTA工业过程数据的处理中。随后，对薄膜蒸发和共沸精馏的机理进行了分析，并结合这两个装置的工艺流程，得到了影响输出的主要输入变量。接着采用GRNN和RBF两种神经网络对这两个装置进行建模，并通过模型的单变量趋势分析，验证了模型的有效性。最后采用MFC的单文档技术编写了PTA工业过程的数据预处理、样本选取和神经网络建模软件。通过将数据预处理技术、样本选取技术、机理分析和神经网络技术相结合，成功的建立了薄膜蒸发器蒸发量和共沸精馏塔塔顶电导率的模型。