本文以催化裂化柴油闪点为对象，研究了软测量建模的方法及其应用，主要研究内容包括以下几个方面： 1.深入了解催化裂化的工艺过程，根据工艺知识选择辅助变量集合，采集生产过程数据和化验数据，并剔除粗大误差，用聚类均值调和方法浓缩数据以“去伪存真”，尽量消除各种干扰因素的影响。 2.为了消除辅助变量之间的相关性，分别采用两种方法进行处理。采用多元逐步回归筛选辅助变量，得到具有实际物理意义的主辅助变量，并回归建立MSR模型；主元分析用来对多维信息进行统计压缩，提取主元，建立PCR模型。 3.本文的研究重点是在多元逐步回归和主元分析的基础上，采用神经网络建立软测量模型。首先研究BP和RBF神经网络，对它们的建模方式进行比较，分别建立了PCA-BP、MSR-BP、PCA-RBF和MSR-RBF模型；其次研究了多神经网络的建模方法，建立基于PCA和MSR的多神经网络模型；最后将线性模型结合在多神经网络中，作为它的一个子模型，对多神经网络进行改进，建立数学模型，提高其泛化能力。 4.遗传算法是一种应用广泛的最优化方法，可以避免停留在局部最优解上。课题中，通过改进的遗传算法来确定RBF神经网络的参数，建立GA-MSR-RBF模型，改进其学习能力。 5.经现场采集的数据验证，上述各种模型都具有较高的精度。在工程应用时，结合具体实际情况和研究结果，选择较为简单实用的多元逐步回归模型，利用I/ASeries系统的计算块来实现软测量的在线运行，将软测量与DCS无缝地集成在一起，取得了较好的应用效果。