精馏是石油化工过程的重要环节,是一个复杂、时变、非线性,强耦合的过程。在实际的精馏过程中,受到检测装置的限制,精馏过程中很多重要的过程参数无法直接测量,导致了很多先进的控制由于其检测信号的延迟,反馈不精确,使得整个精馏过程的效益不高。软测量技术就是解决这类问题的一个有效的方法。本文以醋酸脱水共沸精馏为研究对象,首先针对醋酸精馏过程数据样本存在复共线问题,使得预测精度不高,模型的泛化能力差,提出了基于差分进化的岭回归极限学习机的算法(DE_ELMRR),并结合醋酸脱水共沸精馏过程,建立了基于差分进化岭回归极限学习机算法的醋酸软测量模型。然后针对支持向量机与神经网络的训练速度达不到实际过程的需求,传统的极限学习机由于参数是随机选取的,存在模型的不稳定,提出了小波核极限学习机算法(KELM),运用到醋酸共沸精馏过程,建立了基于小波核极限学习机算法的醋酸软测量建模方法。最后利用流程模拟软件Aspen建立了醋酸精馏的稳态与动态模拟,采集醋酸精馏的过程数据,分别对基于DE_ELMRR和KELM算法的醋酸软测量建模过程进行了仿真,并将基于DE_ELMRR算法的软测量模型与标准极限学习机作对比,结果表明,该算法精度大大的高于标准极限学习机,同时泛化能力也有相应的提高。将KELM算法建立的醋酸软测量模型与支持向量机(SVM)做对比,仿真说明KELM在保证了算法的精度和泛化能力的前提下,学习速度有显著的提高。