铝电解的工业生产过程中包含着大量的数据信息，其是一个大时滞的包含着复杂的物理变化与化学变化的工业生产过程，氧化铝浓度的变化会影响到电解槽中的物料平衡状态。电解槽正常生产中需将氧化铝浓度控制在一个稳定区域。铝电解过程中电解槽周围存在很多不确定因素，这使得氧化铝浓度的检测变得极其困难。根据铝电解的工艺原理和生产数据特点，分析工艺参数对铝电解槽氧化铝浓度的影响。建立基于种群活性粒子群算法优化最小二乘支持向量机参数的预测模型，运用预测模型预测氧化铝浓度，应用于某铝厂氧化铝浓度预测。　　首先，由于标准的子群算法会出现局部收敛或者是局部陷入最优值，提出判断粒子群算法的种群加速度方法，用以监测种群加速度，当种群加速度加速下降时，二次优化粒子的加速度和位置，可以使算法快速逃离局部最优区域。用改进的子群算法优化最小二乘支持向量机中的核函数中的参数，标准测试函数表明，改进算法的模型预测准确度更高。　　其次，测定选定电解槽炉帮温度和区域热损失，判断电解槽槽状态，选定电解槽槽型，测定所选定电解槽氧化铝浓度及相关参数。分析电解槽生产工艺及历史数据的特点，确定模型的基本输入变量，建立氧化铝浓度的预测模型。　　最后，建立电解槽槽电压与电解槽极距和能量平衡关系，分析某铝厂三种槽型四台电解槽的热焓曲线，根据热焓值测量建立物料平衡与能量平衡结构图,通过预测模型预测的氧化铝浓度及能量公式确定极距调整距离。通过运行工业现场数据，本文所建立的模型可以实现氧化铝浓度的预测，且可以通过氧化铝浓度预测值以及电解质的热焓值实现电解槽极距的调整。为电解铝过程控制创造了条件。