工业过程中存在着一大类这样的变量，由于技术和经济的原因尚难直接或无法通过传感器进行检测，但需要加以严格控制或与产品质量指标密切相关。近年来，推断控制的崛起，对解决此类问题提出了进一步的要求；其基本方法的核心即软测量技术。 软测量技术是各种控制方法成功应用的基础。而其中软测量建模方法的研究又是它的核心问题。由于小波网络把神经网络的自学习特征和小波的局部特性结合起来，综合了二者的优点，具有自适应分辨性和良好的容错能力。本文对小波网络建模方法进行了研究，并通过仿真研究表明了小波网络在处理非线性对象模型时的优越性。 针对框架小波网络存在的网络结构不易确定的问题，从数理统计的思想出发，以网络的泛化性能为主要评判指标，对BIC信息准则进行改造，提出一种基于TBIC信息准则的小波网络。该方法权衡了网络结构和测试精度二方面的因素，为得到较合理的网络隐层节点数提供了依据；并通过仿真研究表明了该方法的有效性和可行性。 针对化工过程中数据的随机性、非平稳性及含有大量噪声的特点，提出了小波去噪的思想和步骤，并在此基础上采用多重小波变换阈值去噪的方法，来去除大部分高频随机噪声，提高数据的置信度。然后将该方法与小波网络相结合应用于丙烯腈聚合反应过程质量指标软测量模型中，仿真结果表明，该方法能有效恢复数据的真实性，能提高软测量建模的拟合精度与泛化性能。