在现代工业过程中,为了实现节能降耗、提高企业效益等,需要对过程中的关键质量变量进行及时检测。然而,由于测量环境恶劣、测量延迟大、仪器成本高昂等原因,传统的硬件检测装置难以对一些关键质量变量及时在线测量。以采用选择性催化还原技术（SCR）的火电厂脱硝系统为例,目前广泛使用烟气在线测量装置来检测SCR入口NOx浓度,其工作时存在延迟,并且需要定期校正维护,会使测量值失去连续性,影响脱硝系统的脱硝效率。因此,实现对电厂SCR入口NOx浓度的及时准确测量,进而实现精准的脱硝、系统喷氨量的优化,对达到环保指标同时兼顾电厂效益至关重要。软测量通过采集与关键质量变量联系密切的易测辅助变量,构建某种数学模型,实现对关键质量变量的预测估计。随着工业互联网与工业大数据的发展,基于深度学习的软测量方法得到了广泛应用。本文研究基于改进自编码器的软测量方法,并将其应用于火电厂烟气NOx浓度的预测。主要研究内容包括:（1）针对工业过程中质量指标约束与样本空间相关性,提出一种局部保留变量加权自编码器。通过对输入变量特征的质量相关加权以及对近邻样本空间关系的局部保留,提高自编码器的特征提取能力,再将特征输入至强回归器进行回归预测,提升预测准确性。通过脱丁烷塔仿真数据集和某火电厂SCR入口NOx浓度相关数据集的实验表明,所提出的模型相较于传统的自编码器方法具有更佳的特征提取能力和更高的预测精度。（2）进一步考虑样本空间结构信息,提出一种局部-全局保留变量加权自编码器。在局部保留变量加权自编码器保留近邻样本空间结构信息的基础上,考虑全局的结构信息,改进正则化项,引入t分布随机领域嵌入的思想,最小化隐层特征与输入变量间的分布差异,引导自编码器提取更有效的降维特征,提高模型的预测精度。（3）以浙江某火电厂脱硝系统为背景,开发一个烟气NOx浓度软测量及应用软件,主要功能包含软测量模型库、SCR入口烟气NOx浓度在线软测量以及系统喷氨量优化。其中喷氨量优化部分,将SCR入口NOx浓度软测量值对当前时刻检测装置的检测值进行修正,利用修正值来对喷氨量进行控制。对历史数据中喷氨量、SCR出口NOx浓度与SCR入口NOx浓度等变量建立SCR脱硝系统数据模型,在数据模型上仿真验证其控制性能。引入SCR入口NOx浓度软测量修正值后,可以有效少降低出口NOx的波动,提高喷氨控制有效性、实时性。