平板荫罩上小槽孔的加工精度要求非常高，蚀刻成形过程是较复杂的非线性动态过程，其影响因素较多、关系也较复杂，给过程监测和控制带来很大的困难。尤其是溶液中的镍含量的测量及处理，是大屏幕平板荫罩生产的关键技术。传统的化学定量分析方法，采取定期更换蚀刻溶液的方法无疑会造成极大的浪费。而化学定量分析的方法测定周期较长，不利于产品的质量控制。因此，迫切需要一种实用、简便、周期短和成本低的测量方法。 软测量就是选择与被估计变量相关的一组可测变量，构造某种以可测变量为输入、被估计变量为输出的数学模型，用计算机软件实现重要过程变量的估计。因此软测量技术作为一种新型的过程参数检测技术，为解决复杂过程参数的检测问题提供了一条有效途径。近年来，软测量技术的发展相当迅速，已在过程控制领域得到了广泛的应用。软测量技术的核心是表征辅助变量和主导变量之间的数学关系的软测量模型的建模问题。 统计学习理论是当前机器学习领域一个研究热点，它为有限样本学习问题提供了一个统一的框架。建立在该理论基础上的支持向量机，以其优异的小样本学习能力、较强的抗干扰能力和较好的模型推广能力引起了工程技术界的关注，在最近几年得到了不断的发展和应用。 本文讨论了统计学习理论和结构风险最小化的基本概念，结合数据分类问题具体阐述了支持向量机的基本理论和基本思想。同时讨论了回归估计的一些概念和基于支持向量机的线性回归估计方法。在此基础上讨论了基于支持向量机的非线性回归方法，同时介绍了回归问题中惩罚函数的选择和常见的一些惩罚函数以及一些建模的训练算法。 本文提出了一种基于支持向量机的软测量方法，并以连续蚀刻再生溶液镍含量为研究对象，建立了镍含量的软测量模型。通过与基于RBF网络的建模方法的比较，实验结果表明该方法建立的模型误差控制较好，能在较少的训练样本下获得性能比较好的模型，同时该方法建立的模型结构简单，具有良好的泛化能力。