在复杂工业过程中，一些关键性过程状态、产品浓度和质量等变量难以在线测量，这就给过程的控制和检测带来了困难。软测量技术的提出，成为了解决这一难题的有效手段。目前，软测量技术已经成为过程控制领域的研究热点之一，受到了国内外学者和生产企业的广泛关注。本文对软测量建模方法进行了深入研究，并对软测量技术在实际工业过程中的应用进行了探讨。 支持向量机(Support Vector Machine，SVM)是一种依据统计学理论的机器学习算法。根据SVM理论，通过实验分析SVM在软测量建模中的应用特点，探讨了基于SVM的软测量建模方法。 本文深入研究了基于最小二乘支持向量机算法(Least Square SupportVector Machine，LSSVM)的软测量建模方法，针对其在建模过程中存在的不足，进行了相应的改进。差分进化(Differential Evolution)算法是一种具有良好全局搜索能力和快速搜索速度的进化算法。通过对DE算法的深入研究，提出了一种自适应多模式交叉变异的DE算法；实验仿真总结了改进后DE算法的性能，并与其它进化算法进行比较，取得了改进后DE算法较好的结果。提出了基于DE算法和LSSVM结合的软测量建模方法；通过实际例子仿真实验，得到了良好结果。 多模型建模是一种全局的建模方法，本文结合改进的LSSVM算法提出了基于改进的LSSVM多模型建模方法，实验验证了方法的可行性和有效性。 最后研究了两种基于LSSVM的软测量建模方法在德士古水煤浆气化炉炉膛温度测量建模中的应用，取得了满意的结果；同时验证了新的建模方法的有效性。