在现代流程工业中,建立准确可靠的工业过程数据驱动模型在决策者的早期规划中起着至关重要的作用。模型性能和数据质量是工业数据建模的两个关键问题。随着工业过程数据的日益复杂化,如何提升模型的精确度和鲁棒性是智能计算领域的一个重要研究方向。此外,因为系统内某些事件的发生概率较低或者受物理限制导致部分数据的获取成本较高,会导致复杂石化过程建模中存在着样本匮乏的问题。有效样本数量少、样本分布不均匀、样本具有强非线性、噪声、缺失和不确定性等特点,严重制约了数据驱动模型的性能,难以实现过程系统的优化运行。提高数据驱动模型性能和生成有效的虚拟样本扩充训练样本集,具有重要的理论研究意义和工业应用价值。在归纳和总结了国内外大量研究工作的基础上,本文将进一步研究神经网络结构及学习算法,以提出基于机器学习的工业过程数据驱动建模新方法。同时针对监督式学习算法中存在的样本匮乏问题,开展虚拟样本生成方法的相关研究工作,有效扩充训练样本集,以提升工业过程数据驱动模型的性能。本研究课题的主要内容可以概括为如下几个方面:1、基于PLSR的多激活函数极限学习机集成网络模型（PLSRMAFELM）。为了有效处理具有高度非线性的复杂工业过程数据,训练具有多激活函数的极限学习机模型,对输入样本进行模式识别或者函数逼近。并采用集成学习的策略将单个极限学习机模型的输出进行偏最小二乘回归聚合,获得集成网络模型的最终输出结果。所提模型具有较强的非线性处理能力,可有效处理数据的噪声信息。PLSR-MAFELM可以解决在数据复杂性增大的情况下,传统极限学习机存在的泛化精度低和模型鲁棒性差的问题。所提出的新模型具有泛化能力强、训练速度快和高鲁棒性等显著优势。2、基于流形学习的虚拟样本生成新方法（Isomap-VSG和LLE-VSG）。为了有效解决工业过程数据驱动建模中训练样本分布不均匀和样本匮乏的问题,提出基于拓扑流形概念的虚拟样本生成新方法实现数据扩充。作为建模中的一项数据预处理环节,数据扩充会直接影响模型的精度和泛化能力等性能指标。所提出的虚拟样本生成方法采用等度量映射或局部线性嵌入的流形学习方法从高维采样数据中恢复低维流形结构,得到相应的嵌入映射关系,实现数据的维数约简。低维流形可视化结构可以用于发掘高维匮乏样本的真实稀疏区域。然后采用插值法在低维数据空间的稀疏区域内生成有效的虚拟样本,扩充原始样本信息。在获得虚拟样本后,执行虚拟样本筛选步骤,根据数据属性特征构建三角隶属函数,找到样本的非对称可扩展区域,剔除落入可扩展区域范围以外的虚拟样本,以确保虚拟样本的合理性。3、基于分位数回归和变分生成式对抗网络的虚拟样本生成新方法（QRVAE-GAN）。为了使生成模型具有学习复杂概率分布和生成带标签虚拟样本的能力,本文提出了一个深度生成框架QRVAE-GAN。QRVAEGAN具备标签样本生成能力,可用于处理回归预测问题中的样本扩充。所提出的深度学习模型QRVAE-GAN中包含了与生成对抗网络相结合的变分自编码器。其中,编码器负责将真实样本映射到一个潜在向量,编码器的映射作用降低了生成器的训练难度;利用生成器重构原始样本,将原始样本的特性与给定的潜在向量相匹配;判别器则负责判断输入的样本是否属于真实样本分布。同时,所提出的虚拟样本生成模型QRVAE-GAN将样本的分位数回归输出y作为额外的条件嵌入到生成式对抗结构中,影响输入变量x的生成,使得模型具有更好的生成和预测能力。QRVAE-GAN模型可以大幅度提升训练速度,并且可以提高虚拟样本生成质量和增加样本多样性。4、将生成的虚拟样本扩充到原始数据集中,利用扩充后的训练数据集对所提出的神经网络模型进行训练,以提升智能数据驱动建模的精度和鲁棒性。本文使用具有复杂非线性关系的多变量基准函数验证提出方法的有效性和普适性,同时,将提出的方法应用到高密度聚乙烯和精对苯二甲酸溶剂系统两个实际工业过程的数据驱动建模中。多个基准函数数据集及两个实际工业过程数据集的验证结果显示,本文所提出的神经网络模型具有较快的训练速度和较好的泛化能力,且本文的虚拟样本生成方法可以有效地实现数据增强,进一步提高数据驱动模型性能。