我国稀土产量、出口量、消费量均居世界第一且轻、中、重稀土品种齐全。虽然稀土萃取分离技术已达世界先进水平,但该生产过程的控制水平相对低下,其仍然处在离线分析、经验调整、人工控制。因此给生产企业带来后果是：生产效率低下、资源浪费、产品质量不稳定等,都严重制约着稀土工业的发展。稀土工业采用的串级混合澄清槽萃取分离工艺,其机理复杂,具有多变量、强耦合、非线性、时变性以及大滞后等特点。要提高与实现该工业过程的自动化生产水平,首先要实现萃取槽中稀土元素的组分含量的在线连续检测,而在现实中难以采用工业仪表实现这一技术。文中在深入分析分离过程工艺的基础上,采用软测量技术来解决这一技术难题。文中应用最小二乘支持向量机(LSSVM)结合优化算法解决元素组分含量软测量技术问题,主要工作归纳如下：首先,对软测量技术发展状况及常规的建模方法进行了研究,分析了软测量技术的工程化设计,并设计了实现该技术的一般步骤。其次,针对实现软测量模型建立的问题,采用径向基函数(RBF)神经网络与LSSVM。分别分析了各自的理论基础、模型结构、实现算法等。通过仿真发现前者所建立的软测量模型泛化能力差,而且建模依赖于大量的样本数据,而后者建立的模型能更好的解决这些问题,具有较好的估计性能。然后,采用LSSVM方法建立模型时,其模型的性能直接受到模型参数的影响,文中采用优化算法解决这一问题。优化算法包括遗传算法、微粒群优化算法、量子粒子群优化算法与蚁群算法。通过对各自算法的机理分析,结合最小二乘支持向量机算法要优化的正则参数与核函数参数,设计出了各自的算法流程与步骤,并通过仿真实例验证、测试了设计的算法的可行性与正确性。最后,通过对稀土串级萃取工艺机理的分析,设计了萃取段元素组分含量的LSSVM的软测量模型结构,相应对样本数据进行了预处理,分别采用已设计好的算法建立稀土元素组分含量的软测量模型,通过仿真表明,采用优化算法建立的LSSVM软测量模型的精度都相应得到提高。根据算法的复杂程度、训练目标、估计能力以及搜索时间等因素,蚁群优化算法比较适用于优化LSSVM算法建立的元素组分含量在线估计模型。