软测量技术能够测量目前由于技术或经济等原因难以直接测量而又十分重要的过程参数。稀土串级萃取分离过程具有强非线性、时变、大滞后等特点，元素的组分含量难以在线测量。针对组分含量难以在线测量的问题，本文将RBF神经网络软测量方法应用于组分含量的实时检测，充分利用了RBF神经网络很强的非线性逼近能力和学习能力，取得了很好的效果。本文主要内容包括： 1、对软测量技术的工程化设计与实现的步骤进行了研究。 2、简要描述稀土串级萃取分离过程原理及其工艺流程，分析影响元素组分含量的因素。在对稀土萃取分离过程进行机理分析的基础上，采用RBF网络建立软测量模型实现稀土分离过程组分含量在线估计。 3、研究了三种建立RBF网络软测量模型方法(K-均值聚类算法、混合遗传算法、混合递阶遗传算法)，并进行仿真试验验证。K-均值聚类算法与混合遗传算法在预先设定隐含层节点数的情况下能满足组分含量在线估计。混合递阶遗传算法能同时优化RBF网络的结构和参数，能根据误差要求调整训练目标，训练效率高，比较适合用于组分含量在线预测。 研究结果对稀土萃取过程组分含量在线测量具有重要意义。