本文以A电厂的脱硫系统为依托,通过对湿式石灰石-石膏法脱硫系统的各个组成部分及其工作原理进行跟踪研究。但是现场传感器存在许多问题,包括设备安装成本高、湿度和环境温度导致的漂移,测量时间长等。本研究的主要目的在于寻找一种软测量方法对该系统二氧化硫浓度进行实时测量,使之保持在一定的范围之内,从而克服传感器因时滞性而无法满足实时在线检测的问题。软测量技术是当前工业过程控制的研究热点之一,大数据环境下生产过程建模所面临的非线性、数据维数高的问题,一种快速、精确的非线性变量选择算法,也是建模的必要工作。本研究针对脱硫系统,设计一种基于序列后向选择(Sequential backward selection,SBS)与多层感知器(Multi-layer perception,MLP)的软测量算法,具体内容如下:1、对当前脱硫技术的类型简单综述,其中着重分析了湿法脱硫技术的原理和系统结构及其对反应过程中各个影响因素,同时,对A电厂脱硫工艺进行了详细的介绍和研究。2、建立的算法模型将AIC(Akaike information criterion,AIC)准则引入到SBS中,使系统停止准则的均方误差(Mean square error,MSE)值不仅仅由训练的MLP网络确定,而是由剔除变量后的剩余个数和训练的网络共同确定;同时加入交叉验证,得到更加可靠稳定的模型。3、将所设计的算法应用到脱硫系统,建立模型,并与其它算法进行比较;结果表明该算法能够实现对该系统二氧化硫浓度的精确测量,且在模型精度和稳定性上均优于MLP神经网络和传统的SBS-MLP算法。4、结合工艺原理及现场操作经验,对变量选择结果进行分析,对过程关键变量的重要性及与目标变量的相关性进行讨论。本研究所建立的模型及研究结果,可以为石灰石-石膏法脱硫系统的优化提供参考。