聚碳酸酯(PC)是一种性能优良的工程塑料,现已被广泛用于各行业,具有良好的市场前景。在界面缩聚法生产聚碳酸酯的过程中,有些影响产品质量的参数如：光气化阶段的酯化率,缩聚阶段聚合物的聚合程度,产品的分子量等无法用传感器直接测量或测量的成本较高,仅通过采样分析得到的结果存在很大滞后,对产品质量十分不利。软测量技术的出现,为解决这类变量的测量问题提供了方便。本文以聚碳酸酯的生产为研究背景,开发了基于MATLAB-BP神经网络的聚碳酸酯分子量软测量模型。本文首先论述了软测量技术的概况,通过对各种建模方法的分析,选取基于BP神经网络的建模方法,并对BP神经网络的基本原理及其MATLAB实现进行了研究,将BP神经网络应用于表征聚碳酸酯质量指标分子量的预测。通过对聚碳酸酯生产工艺的分析选取了9个初选因子,然后对这些初选因子的数据进行了采集与预处理。采用3σ规则剔除了异常数据,小波分析提高了数据质量,主元分析实现了数据的筛选和降维,为软测量建模作了前提准备。然后,基于处理数据建立了软测量模型。在分析了BP神经网络的层数、输入输出神经元个数、传递函数,并利用MATLAB分别仿真对比隐含层不同节点数和各种改进学习算法的训练效果及精度后,确定了隐含层节点数为9,训练算法采用L-M算法。最后,将分子量的软测量模型应用于实际的预测,平均相对误差为7.03%,网络的泛化性能良好。