针对石油树脂粘度难以在线检测的问题,本文以中国石油兰州石油化工公司石油树脂装置400单元为具体研究对象和切入点,建立了产品粘度软测量模型。本文通过对石油树脂生产工艺流程的机理分析,结合粘度受外界影响因素以及工艺现场的情况,确定石油树脂粘度软测量模型的辅助变量。对现场采集的过程数据形成的样本集,应用数理统计方法对数据进行预处理:剔除异常数据、消除随机误差以及归一化;在具体分析了多种建模方法的基础上,提出了核主元分析结合最小二乘支持向量机软测量建模方法。利用核主元分析对软测量的输入数据进行数据压缩,提取非线性主元,然后用最小二乘支持向量机进行建模,降低模型复杂度,提高模型泛化能力,通过交叉验证方法对支持向量机的参数进行选择。将其应用于石油树脂粘度的软测量建模,结果表明:该方法具有跟踪性能好,精度高等优点,与实际生产中使用的方法相比,预测精度明显提高,是一种有效的软测量建模方法。将该模型与用偏最小二乘方法、RBF神经网络、最小二乘支持向量机、主元分析结合最小二乘支持向量机方法构造的软测量模型进行比较,结果表明:该模型的精度明显高于用上述方法构造的模型。本文还为该模型增加了校正环节:输出校正及参数校正,使得模型的精度及泛化能力进一步提高,模型具有更好的实用价值。