本文以锅炉高温受热面管壁温度为研究对象,基于反向建模的思想,利用电厂运行产生的实时数据,建立其数学模型。数据预处理时,基于格拉布斯准则对测量冗余大的多测点参数进行异常点挖掘,根据测量值连续性的特点和改进的拉依达准则对单双、测点参数进行异常点挖掘,同时还利用相关参数(测点)的变化来进行二次判定。从实际应用的角度,根据机理分析得出受热面最危管壁温度,即末级再热器右侧管屏下部壁温,作为所求温度模型的输出变量。由管壁的受热分析,针对反向建模的特点,从蒸汽侧和烟气侧初选模型的输入变量,再利用灰关联分析优化筛选,并通过实际情况验证。通过F检验法对待建模型的非线性进行检验。管壁温度的非线性模型用最小二乘支持向量机来实现,采用混合遗传算法对模型参数寻优。改变适应度函数和模型输入变量,验证了模型的最初设定的正确性。由模型在其它负荷段的预测能力,说明模型的变工况适用性。通过与BP神经网络建模的比较,体现了最小二乘支持向量机在管壁温度非线性建模中的优势。研究结果证明,反向建模方法能较好地解决高温受热面管壁温度的非线性大负荷段建模问题,有助于实现管壁温度的监测及预测问题,对控制受热面金属材料的工作寿命和锅炉安全工作具有重要意义。