现代工业的迅速发展使得产业部门对控制系统的要求越来越高，然而在控制系统的实时检测过程中，一些重要的过程变量无法直接测量或需要花费较大代价测量，软测量技术的提出为解决这些实际难题提供了有效的技术手段。目前，软测量技术已经受到越来越多的研究和应用。但面对具有多工况、非线性、变量间有多重相关性特点的复杂系统，传统的单一模型软测量控制往往难以满足过程的动态要求。近年来，多模型策略已经被验证是解决多工况、非线性问题的一个有效途径。　　 本文针对以上提出的问题，重点对多模型软测量建模方法及其应用进行了研究。本文从多模型软测量方法的主要影响因素展开研究。最小二乘支持向量机(LSSVM)是标准支持向量机(SVM)的扩展，具有小样本、非线性、泛化能力强等优点，适合多模型的建模。对其丧失解的稀疏特性的问题，采用剪枝算法进行改进，通过测试函数仿真实验，验证剪枝的有效性。数据样本的分类是多模型的另一重要影响因素，模糊聚类算法对具有模糊属性的数据有较好的聚类效果，本文对模糊核聚类算法(KFCM)进行了深入研究，提出一种基于KFCM和LSSVM的多模型建模方法，并将其应用于污水处理过程中，取得了较好的仿真结果。为了进一步改善建模效果，针对聚类方法的聚类数目和初始化问题进行了改进，提出了减法聚类与KFCM相结合的方法；在子模型建模模块，采用粒子群算法对LSSVM进行参数优化。将改进的多模型建模方法运用于德士古水煤浆气化炉炉堂温度进行仿真实验，在泛化性能和模型精度上都有所提高，验证了方法的有效性和实际意义。