在许多工业控制场合，存在着一大类变量，由于技术或经济的原因，目前尚难以或无法通过传感器进行检测，但同时又是需要加以严格控制的、与产品质量密切相关的重要过程参数。这将影响到产品质量及系统的稳定性，会给企业带来不可低估的经济损失。软测量技术应运而生。本文系统和深入的研究了软测量技术的若干重要方面，以偏最小二乘和神经网络的理论为基础，建立了多种软测量模型，并比较了各种模型的预测效果。以某石化企业的Spheripol工艺PP装置为例作为应用背景，通过从现场采集的数据建立聚丙烯熔融指数的软测量模型，并运用建立的模型对现场数据进行软测量预测，得到了较好的效果。本文主要研究内容如下：1．阐述了软测量技术的基本概念及其发展，分析了软测量的建模思想以及软测量建模的四个要素，软测量模型的工业实施。对工业聚丙烯的生产过程做了简要的介绍，特别介绍了Spheripol聚丙烯聚合工艺及其工艺流程。2．对主元分析(PCA)，偏最小二乘(PLS)，人工神经网络(ANN)等在软测量建模中要用到的一些方法做了理论介绍。为后面的应用打下理论基础。3．分别通过PLS算法和RBF神经网络算法建立了软测量模型，并以通过Matlab仿真双效蒸发工业过程得到的数据作为数据样本对模型进行检验。然后将PLS模型与RBF神经网络模型结合，以PLS算法作为外部模型，RBF神经网络算法作为内部模型得到PLS-RBFNN模型。最后对三种模型效果进行了比较。4．介绍了聚丙烯聚合反应机理，分析了影响聚丙烯熔融指数的多种因素，分别选择了建立均聚产品和共聚产品软测量模型的过程变量。通过从现场采集的数据建立PLS模型和PLS-RBFNN模型，并运用建立的模型对现场数据进行软测量预测，得到了较好的效果。最后，对全文做出总结，并对软测量的发展进行了展望。