炼油精馏过程中经常存在某些无法在线测量的重要质量变量,其指标含义对生产的调控具有指导意义,但是目前缺乏实时测量方法,人工采样化验又会有很大的滞后,同时人为因素常会引进某些不确定性。全文针对炼油精馏过程航空煤油质量指标实时监测问题,对航空煤油质量指标进行软测量方法的研究,具体研究内容如下:工业精馏数据集的样本数较少,且因为各种干扰等影响易发生数据点缺失的问题。针对随机缺失情况和连续缺失两种情况分别进行实验,提出了基于极限学习机的精馏过程数据填补方法。仿真实验结果表明,该方法能够尽量还原原始数据中携带的有效信息,为样本缺失情况下的软测量建模提供了研究基础。针对原始数据中自变量间存在多重相关性等问题,提出一种改进的基于集成系数的LASSO变量选择方法(EC-LASSO):利用集成系数对变量的重要性进行排序再逐个加入模型,选出使均方根误差达到最小的变量子集。该方法在不影响精度的情况下能够得到更为稀疏的模型。并且通过两组仿真实验对本文提出的方法进行仿真验证,进一步说明了该方法的有效性,可以指导建模变量的选择。以标准最小二乘支持向量机为基础,与变量选择方法相结合,选择高斯核与多项式核,结合二者优点构成多核最小二乘支持向量机对经过选择的变量进行软测量模型的建立。经过仿真验证,多核最小二乘支持向量机能够得到更为精准的预测结果。同时使用西门子公司的WinCC软件搭建监测界面,利用OPC与Matlab之间实现了实时通讯功能,达到了在线显示软测量预测结果的目的。