铝电解生产过程是一个时变、非线性、大时滞的复杂工业过程，电解槽工作在多相（固相、液相、气相）、多场（热场、磁场）的复杂环境中，电解槽参数众多，参数之间存在强耦合性，且大部分参数均不可实时检测，导致铝电解过程控制困难。　　电流效率是铝电解过程中最重要的经济指标参数，提高电流效率可以提高铝产量，同时可以降低能耗。对电流效率进行实时监测，可以为电解工提供决策依据。由于在生产现场电流效率不能够实时监测，采用软测量技术可以实现电流效率的精确预测，用于指导现场生产。针对电解槽在不同槽况下工艺参数特征不一致的问题，本文提出了基于槽况分类的多支持向量机电流效率预测模型，对电流效率实时预测。　　本文的主要工作包括：　　1.阅读大量文献，学习铝电解生产过程工艺知识，介绍铝电解过程的工艺特点，介绍了当前软测量技术和铝电解参数软测量手段的研究现状。　　2.阐述了铝电解过程基础工艺，综述铝电解工艺参数测量的研究现状，根据专家经验分析电解槽各参数对电流效率的影响，初步选定模型的输入输出变量，对铝电解生产历史数据进行预处理，主要包括异常值剔除、数据缺失值补足、归一化处理和相关性分析，建立数据库，用于建模分析。　　3.分析了不同槽况下的电解槽工艺参数表现特征，根据铝电解槽数据的特点，采用模糊-C均值聚类算法进行聚类分析，得到三种不同槽况并与专家经验分类结果进行比较，据有较高的分类准确率，可用于分类预测。　　4.分别建立基于 BP神经网络和遗传算法优化的 BP神经网络的电流效率预测模型，对模型预测结果进行分析，结果表明经过遗传算法优化的BP神经网络具有较高的命中率，降低的误差，实用性更高。　　5.建立基于槽况分类的多支持向量机的电流效率预测模型，首先对聚类后的每个子类建立支持向量机子模型，然后利用模糊隶属度加权法对子模型进行加权融合。在预测时，首先使用模糊 C-均值聚类将待测试样本分类，并计算该样本对每一类的模糊隶属度，然后使用三个子预测模型将该样本作为输入做预测，最后利用模糊隶属度加权法将三个子预测模型的输出加权融合，得到最终预测结果。仿真结果表明，基于槽况分类的电流效率预测模型具有更高的命中率，较短的运算时间，较小的误差，解决了单一模型的预测精度低、泛化能力差的问题，可以用于指导现场生产。　　本文最后部分对研究工作进行总结分析，指出了欠缺之处，并对未来研究工作做了进一步展望。