本文针对机理复杂的热裂解反应过程，通过对影响裂解反应的关键因素的分析，利用集成神经网络(Neural Network Ensembles，NNE)对主要裂解产品——乙烯和丙烯的收率进行了智能建模和预测，同时结合现场仪表的实际测量值对上述预测结果进行了实时校正，从而较精确地实现了对“双烯”收率连续而准确的预测。乙烯和丙烯的集成网络模型作为裂解炉深度优化系统的模型。 本文还对传统粒子群(Particle Swarm Optimization，PSO)算法的原理、优缺点，以及现有改进方法进行了介绍。通过结合量子力学中物质的波粒二象性原理，提出基于正弦载波的粒子群算法(Cartier—Wave PSO，CWPSO)，并进行了测试函数的仿真研究。仿真结果表明，CWPSO算法的寻优性能和寻优效率都要显著优于传统PSO算法和某些改进算法。 在上述研究成果的基础上，本文将基于集成神经网络的“双烯”收率预测模型与基于CWPSO算法的优化器相结合，根据实际生产的连续性要求，提出连续滚动优化的优化思路，并进行了仿真研究。仿真结果表明，该优化方案能够实现性能指标的优化，具有一定的应用价值。