在实际的工业生产过程中，有一些变量由于技术或经济的原因，无法直接测量，但是这些变量对于保证产品的质量和保证生产装置的平稳运行都非常重要。为解决这个问题，软测量技术应运而生。软测量技术是一门有着广阔发展前景的新兴工业技术，在工业中应用越来越多，并已发展为当前过程控制领域研究的热点之一。软测量技术的基本原理是根据某种最优准则，选择一组在工业上容易检测而且与主导变量有密切关系的辅助变量，通过构造某种数学关系，来实现对主导变量的实时估计。本论文的主要研究工作包括以下几个方面：　　 1.对当前软测量技术的发展、现状和特点作了简单的概述，并介绍了软测量技术的概念、基本模型以及一些常用的软测量建模方法，其中重点介绍了几种典型的基于数据驱动的软测量建模技术。　　 2.采用了基于GA-BP神经网络的软测量建模方法，GA-BP算法是用遗传算法来优化神经网络权值，其中采用L-M反向传播算法对神经网络进行训练，计算适应度函数，最后用与最大适应度函数对应的优化的权值计算神经网络输出。研究结果表明：与BP算法相比，GA-BP算法具有收敛速度快、收敛精度高、稳定性好等特点。　　 3.采用了最小二乘支持向量机(LS-SVM)的软测量建模方法，最小二乘支持向量机是标准支持向量机的一种改进，通过非线性映射将原始空间中不等式约束的二次规划问题转化为特征空间的具有等式约束的线性方程组的求解问题，极大的简化了计算，提高了求解问题的速度和收敛精度，并保持了传统支持向量机的良好性能。研究结果表明该软测量模型具有较好稳定性、实时性、精度高的特点。　　 4.为了将上述的软测量模型进行工业实施，使用VB语言开发了基于OPC技术的软测量模型在线实现系统。