在精对苯二甲酸(pure terephthalic acid, PTA)生产中,溶剂脱水塔是分离醋酸溶剂和在对二甲苯(p-xylene, PX)氧化反应过程中生成水的核心装置,其操作条件是否合适,将直接关系到整个PTA装置氧化单元循环醋酸中水含量的稳定,进而影响PX氧化反应状况。同时,也关系到溶剂脱水塔塔顶废水中醋酸含量。为了实现溶剂脱水塔的最优操作,塔模型是基础。目前工业塔模型建立基本基于单一工况数据,以模型拟合误差为目标,进行塔板效率调整,建立塔模型。由于工况发生变化,模型的关键参数(如板效率)一般也会发现变化,则原来的模型无法适用到变化工况。为此,本文将研究一类混合智能建模技术,建立板效率与影响因素之间的智能模型,进而建立具有良好鲁棒性、以及预测性能的塔混合智能模型。混合智能塔模型的主要算法思路是,首先挑选代表性工况数据,基于各个工况,以模型拟合误差为目标,调整塔板效率,建立各个工况塔机理模型。同时,形成各影响因素与塔板效率的样本数据。基于板效率样本数据,通过相关性分析,分析各影响因素与塔板效率之间相关性,挑选输入变量,发现溶剂脱水塔的输入流量与塔压降、塔回流量有很强的相关性,减少了塔板效率智能模型的变量输入。考虑塔板效率与影响因素之间强非线性,分别采用最小二乘支持向量机算法和BP神经网络算法建立塔板效率模型,形成能良好描述工业塔板效率的智能模型。采用严格平衡级机理模型对溶剂脱水塔建模,模型方程包括：物料衡算方程(M)、相平衡方程(E)、板效率方程(T)、加和方程(S)和热量衡算方程(H),将工业塔板效率智能模型嵌入到塔的平衡级机理模型中,形成能良好描述不同负荷工况的塔混合智能模型。混合模型的计算结果与现场数据吻合较好,并且比较了两个混合模型的性能。