本文以甲醇合成过程为研究对象,针对甲醇合成塔出口的粗甲醇转化率进行软测量建模,将改进的生物地理学优化算法和BP神经网络应用到软测量建模中。生物地理优化算法(Biogeography-Based Optimization,简称BBO)是一种新型的基于生物地理学的算法,其独特的机制为智能优化算法研究领域注入了新的理念,而且生物地理学众多的研究成果也为该算法的进一步研究提供了深厚的理论基础。在BBO中,问题的解决方案表示为栖息地,该算法设计了一种基于概率的个体迁移算子,从而实现个体间的信息共享。首先,本文对生物地理学优化算法的设计原理、算法流程及相应迁移和突变操作进行了详细介绍,论述了该新型算法与传统优化算法之间的差异,本文还详细介绍了进化策略(ES)算法和粒子群优化(PSO)算法。同时,分别结合这两种算法提出了两种改进的BBO算法,分别称为BBOES算法和BBOPSO算法,两种改进算法主要针对基本BBO算法的突变操作进行了相应的改进。将改进的算法分别与其它两种算法通过十四种典型测试函数优化问题进行比较,验证了改进算法的有效性。其次,本文针对某甲醇合成装置,介绍了甲醇合成工艺流程,通过对甲醇合成过程工艺规律及动力学的研究,明确了甲醇合成过程的重要质量参数,并确立了研究对象和目标。将本文提出的改进BBO算法应用于BP神经网络来实时分析预测甲醇合成塔粗甲醇的质量转化率。结果表明,同另外三种方法相比,基于改进BBO算法的神经网络软测量模型具有最高的训练效率和更好的泛化能力。