在流程工业，尤其在化工生产过程中，软测量技术的发展具有实际意义。这是因为：(1)许多重要变量难于实时测量；(2)对每个生产过程变量设置测量仪表是非常不经济的；(3)在线质量分析仪投资昂贵、难于维护、实时性差。总之，软测量技术将会为生产过程带来极大社会效益和经济效益。 对于高维的复杂生产过程，众多的过程变量之间往往存在严重的多重相关性。为了解决这类病态模型参数估计问题，多元统计投影方法可以通过投影消除过程变量之间的多重相关性并建立起能充分反映关键生产变量的软测量模型。 本文系统和深入地研究了这一方法的若干重要方面。针对现有方法存在的问题，结合工业流化床聚乙烯生产过程的实际应用，提出若干新的算法和解决方法。主要研究内容和成果如下： 1．阐述了软测量技术主要研究内容、常用建模方法、现状和发展情况，着重综述了基于多元统计投影软测量技术的方法和应用发展情况。 2．介绍了基于多元统计投影方法软测量技术的主要数学基础，包括：主元分析、主元回归、偏最小二乘和神经网络，为后续的研究和应用打下理论基础。 3．综合工业流化床聚乙烯生产过程的工艺特点和设计要求，给出了基于上位机的控制系统设计。分析了若干主要过程变量对质量指标(树脂熔融指数和密度)的影响趋势，进行软测量建模变量的挑选和数据准备。 4．提出基于块式递推PLS限定记忆思想的算法，运用这种新方法建立的自适应软测量模型能更好地跟踪过程的变化。完成了对仿真过程和工业流化床聚乙烯生产过程质量指标软测量应用分析。 5．提出将线性PLS模型通过神经网络逼近策略拓展到非线性的PLS-NN方法，构造了基于梯度下降算法的神经网络权值矩阵学习规则。以此算法进行了工业流化床聚乙烯质量指标的软测量建模，以便为生产操作提供指导。 最后，对全文作出总结，归纳了本文解决的问题，指出了基于多元统计投影软测量技术的今后值得关注和深入研究的方向。