我国的能源结构煤炭为主,致使我国主要电力生产仍然是火力发电。但是依靠火电厂发电存在一个重要问题就是环境污染,烟气排放中的NO_x、SO_x等污染物会危害生态环境以及人体健康。最新《火电厂大气污染物排放标准》（GB13223-2011）的修订,是通过综合空气质量模型系统Models-3/CMAQ对环境影响进行预测评估,进而得出的。自2014年7月1日起,重点区域,燃煤锅炉烟尘排放中NO_x限值为100mg/Nm³,为火力发电的节能减排提出更高的要求。当前,国内外通过改进锅炉燃烧技术、有催化炉内喷氨水、无催化炉内喷氨水、这三个方面来控制电厂NO_x排放,本文从第二、三方面着手研究。工业上应用最广的脱硝技术为选择性催化还原（SCR）,通过烟气中的NO_x在催化剂的作用下与氨水发生化学反应,使NO_x分解成水蒸气和氮气分子（N₂）,两者都是大气中的惰性气体,以此脱硝达到了保护环境的目的。然而,在现有资金和技术的限制下很难获得准确、快速的参数,软测量技术能很好地解决这一问题,即选择一些容易测量的变量,通过构造某种数学关系进行预测估计。基于过程机理与基于过程数据的建模为软测量建模的两大类,由于电厂运行机理复杂,无法明确其机理,这时就要基于过程数据建立软测量模型,即从输入数据中提取有用信息,进而构造辅助变量与因变量间的数学关系。本文在学习传统统计回归的方法和基于人工智能机器学习的方法的基础上,通过学习总结其不足,提出了新软测量预测模型,混SPSS-PSO-SVM模型对电厂NO_x排放预测,统计软件SPSS的引入能较为直观的观测和分析变量间的关联,并通过因子分析计算主成分矩阵,以降低输入变量的维数和消除相关性。以某600MW电站锅炉采集数据为运行对象,通过PLS去除与因变量相关小的量,再用SPSS的主成分提取来达到消除变量间相关的目的,最后将主成分矩阵作为输入变量,通过MATLAB对PSO-SVM模型进行仿真,目的是为了预测锅炉出口的NO_x含量,进而通过脱硝技术防止其造成不利影响。