黑液浓度是造纸碱回收蒸发工段中一个非常重要的控制指标,由于黑液成分比较复杂,具有较大的硬件在线测量难度,且要花费较高的成本,本文利用软测量技术解决这一问题。软测量技术的思想是把自动控制原理理论与实际生产过程有效的结合起来,利用可知的辅助变量,用计算机技术组建辅助变量和主导变量的模型,实现估计难以测量的主导变量,主要包括辅助变量、主导变量和模型三部分。实现了用软件代替硬件的功能,不但经济可靠,而且反应迅速。本文首先对建模数据进行了处理,由于在实际生产过程中辅助变量和主导变量间存在不同程度上的滞后,同一时刻的辅助变量值和主导变量值不能准确体现它们的内在联系。本文利用灰关联分析法,根据各辅助变量和主导变量一定时间段上的斜率相似程度来判断滞后时间,提高了变量间内在联系的真实性。一次性利用所有辅助变量建模存在变量间信息冗余问题,从而使模型的预测效果受到影响。采用相关系数法计算各辅助变量间的相关性,把相关性较小的变量组成一个输入组,从而组建三个子模型。并利用各子模型预测误差的倒数作为子模型加权系数,有效地提高了软测量精度。软测量建模方法有很多种,其中以结构风险最小化为原则的最小二乘支持向量机是新兴机器学习方法,具有训练样本小和计算速度快等优点,所以选择最小二乘支持向量机建立软测量模型。最小二乘支持向量机模型中的正则化参数和核函数参数需要通过优化算法进行寻优,本文根据正切函数和反正切函数的单调性,提出了改进惯性权重粒子群优化算法,通过加入比重参数设定惯性权重的迭代方式。为了证明所提方法的有效性,本文利用在广西南宁某造纸厂采集到的数据,在MATLAB平台上进行了一系列实验。用灰关联分析法计算各辅助变量和黑液浓度相差不同时间间隔时的绝对关联度,剔除各辅助变量和黑液浓度最大关联度中较小的辅助变量,并用相关系数法对剩余的辅助变量进行分组,使得分组后的辅助变量间信息冗余最小。通过多个测试函数测试改进惯性权重粒子群优化算法的性能,并用于优化最小二乘支持向量机模型参数。通过对比灰关联分析法处理后单模型和多模型最小二乘支持向量机建模方法,证明多模型建模方法具有更好的预测效果。