煤的气化在以煤为主要原料的综合性化工企业中是非常重要的一个环节。德士古煤气化炉为流程后续系统提供合成气作为原料,它的稳定运行是后续系统可靠运行的保证。但是对气化炉炉膛温度的测量一直是一个难题,因为测量气化炉炉温的测温元件必须能适应强气流、强腐蚀、高温度,这种元件可选择余地不多,可靠性也不高。为找到一种可靠的温度测量技术应用,以克服在测温元件遭到损坏时,对整个工艺过程产生的不良影响,这已经成为一项重要的研究内容。软测量技术就是应用计算机技术,使用软件代替传感器的作用,实现在线测量工艺参数的目的。近年来,软测量技术已被作为一种非常有价值的常用的替代传统测量手段的重要方法,在化学工业过程中,有很多变量都适用于软测量技术。本文通过结合某公司60万吨／年醋酸造气工艺技术改造项目,将软测量技术用于测量德士古气化炉炉温上,为此项目找到合适的气化炉炉温软测量方法。本文主要研究了支持向量机(SVM)的算法,并分别采用BP神经网络、标准支持向量机(SVM)和最小二乘支持向量机(LS-SVM)建立了气化炉炉温软测量模型,作了对比研究。结果表明,前两者的模型预测误差落在控制范围内的比例不到85%,而最小二乘支持向量机方法的预测精度更高,算法的泛化性更强,模型预测误差落在控制范围内的比例可上升到了97.0%。可见,基于最小二乘支持向量机方法的软测量模型泛化能力较强。文章还通过支持向量机与神经网络方法的对比,得出支持向量机算法比神经网络算法对训练数据的依赖性小,最后从软测量模型建立的方法,支持向量机核函数参数的选择以及支持向量机算法的优化等方面着手,对本课题的改进方向进行进一步的探讨。