在酵母生产过程中，乙醇浓度和酵母浓度是两个很重要的控制参数，但目前的检测手段多为离线人工测量，不能实现这两个参数的测控自动化，是束缚生产效率的重要原因。 本文详细分析和研究了RBF人工神经网络和支持向量机两种算法，最后采用最小二乘支持向量机(LS-SVM)方法进行回归估计，完成了对乙醇浓度和酵母浓度的软测量。根据某厂提供的原始生产数据，得到了最终酵母浓度与相关因素间的定量关系。所建模型参数通过网格法优选，并选择了合适的核函数。试验结果表明最小二乘支持向量机模型具有更小的泛化误差，优于RBF人工神经网络模型。基于LS-SVM的软测量方法可以很好地实现乙醇浓度酵母浓度在线自动测量，提高生产效率。 本文围绕着面包酵母发酵中如何应用软测量技术这一问题，进行了大量的理论与实际应用的研究，主要内容如下： (1) 研究了软测量技术在发酵过程中的应用。 (2) 分析了RBF神经网络的结构、算法、训练方法，使用RBF神经网络算法进行面包酵母发酵过程中的软测量，做了相关的仿真试验。 (3) 介绍了向量机的相关算法、发展历史及研究现状。提出使用最小二乘支持向量机算法进行面包酵母发酵过程中的软测量，做了相关的仿真试验。对该算法如何进行参数选择、核函数选择进行了分析。 (4) 设计了应用于发酵的软仪表的人机界面及相关模块。用MATLAB将最小二乘支持向量机算法开发成COM组件，VC调用该组件。