针对选择性催化还原（selective catalytic reduction,SCR）脱硝系统存在难以建立准确模型的情况,提出基于k-近邻互信息（mutual information,MI）和小波核隐变量正交投影（wavelet kernel-based orthogonal projections to latent structures,WKOPLS）的MI-WKOPLS预测模型,实现动态估计系统出口NO_x浓度。首先利用k-近邻互信息法估计各输入变量时延,对模型样本进行相空间重构;然后将Morlet母小波引入KOPLS建立模型;最后采用滑动窗口策略实现动态建模。通过标准数据集测试,WKOPLS与其它建模方法相比,具有泛化、非线性逼近和抗噪能力最强的特点。并选择SCR系统从变工况至稳态的4组样本分析,结果表明:与WKOPLS相比,MI-WKOPLS提高模型的非线性逼近和泛化能力;与其它算法相比,在变工况时,MI-WKOPLS的RMSE_te和MAPE_te均达到最小值3.3617mg/m³和7.254%,在稳态时,MI-WKOPLS的RMSE_te和MAPE_te均达到最小值1.8617mg/m³和4.5487%。