本文主要是针对复杂系统建模的研究而进行的，工业对象为新疆克拉玛依石化厂第Ⅰ套常减压装置。主要探讨了几个方面的问题：常减压装置的工业监控组态；RBF神经网络的聚类学习算法、正交最小二乘学习算法、遗传进化学习算法；广义信息熵融合RBF异构多神经网络；采用各类RBF神经网络建立侧线粘度和闪点的软测量仪表及比较。 在了解了工艺流程、工艺机理和原油蒸馏的原理的基础之上，分析了影响粘度和闪点的各种因素。学习了工控组态软件FIX的使用方法，针对新疆的项目完成了基于FIX平台的监控组态，包括：利用VC、VB开发了应用于FIX平台的常三线、减一线、减二线、减三线和减四线粘度和闪点的软测量仪表，实时及历史曲线，报表输出等功能。 本文着重研究了RBF神经网络的各种学习算法，经典的学习算法为聚类及正交最小二乘学习算法，此外把智能科学中研究较多的遗传算法应用到RBF神经网络模型结构的学习中，建立了基于遗传算法优化的RBF神经网络。对于工业中存在不同的工作区间的对象这一特点，研究了多神经元网络的可能性并采用广义信息熵融合子网策略，建立了异构RBF多神经网络，并编程实现。 利用仿真对象及实际的工业对象，对各种RBF神经网络模型进行了建模并比较，实验表明不同的学习算法有各自的优缺点。