在锅炉控制系统中,烟气氧量是反映运行工况的参数之一。其测量结果的准确度直接影响机组的安全性和经济性。实际生产过程中,氧量在线检测受高温高压等恶劣环境因素影响,精度难以保证。新型测量技术——软测量技术,有效的解决了这一难题。它借助于辅助变量,间接获取电厂热工过程中的难测参数。为了有效的测量氧量并减少测量误差,本论文采用偏最小二乘回归的方法建立氧量线性和非线性模型,并进行仿真预测和结果分析对比。论文主要的内容和研究成果有：’(1)提出将偏最小二乘回归的线性方法与基于样条变换的非线性偏最小二乘法应用到烟气氧量的建模和预测中,从而提高预测的精度。选取影响烟气氧量的12个辅助变量建立模型。建立的两个预测模型都能克服多自变量间的高度相关性,有效识别出原始数据表中的异常点,减少异常数据引起的误差。使模型简化并提高了计算效率。(2)回顾PLS方法的历史和研究现状,简要介绍了该方法的建模思想、建模方法、辅助变量的选择、成分个数的确定,精度分析以及特异点识别的原理。考虑到存在非线性因素的可能性,提出建立非线性氧量模型。将原来非线性成分经过样条变换转化成线性问题。(3)建模后的仿真结果表明,在建模样本数量充分和样本数不足两种情况下,基于偏最小二乘法的氧量预测模型精度都能达到要求标准。说明这种方法合理,有实际意义,尤其对小样本多变量的数据,有效性更强。