门尼粘度是氯丁橡胶的主要质量指标。虽然我国工厂生产氯丁橡胶多年,但是现场门尼粘度仍然存在不易控制以及测量滞后从而导致氯丁橡胶门尼粘度值不稳定问题。门尼粘度的预测是一个急需要解决的问题。本文以某化工厂生产的SN12X型氯丁橡胶为研究对象,以软测量技术和神经网络为理论依据,采用MATLAB神经网络工具箱进行编程,研究并建立了门尼粘度预测的软测量模型。模型的建立包括研究氯丁橡胶的工艺机理以及样本数据的采集、预处理及主成分分析并确定辅助变量、建立神经网络氯丁橡胶门尼粘度软测量模型以及模型的优化和效果检查四个阶段。本文研究的重点有两个:辅助变量的选择和模型的建立。在进行辅助变量选择的时候,结合碎石图和载荷图对数据进行一定的分析;在建立模型的时候,根据输入变量的划分不同,提出了全元法、主元法和要元法3种不同的模型,通过多种精度指标的对比选择合适的模型。本文通过对三种网络不断的训练和仿真,发现要元法效果相对较好,进而针对预测中出现的收敛速度慢以及泛化能力弱等问题,进行了优化,优化结果表明,双层网络结构的BP神经网络预测效果更优。氯丁橡胶门尼粘度预测模型的预测值和期望值间最大相对误差满足实际生产需要。最后,用训练好的模型对现场一个月的氯丁橡胶门尼粘度进行预测,预测效果较好。