常减压装置是炼油加工的龙头,其生产的平稳性对石油产品的质量和收率有重要的影响。石脑油是常压塔的主要产品之一,干点值是衡量石脑油质量的一个重要参数指标。通过现有测量手段难以得到干点的实时测量值,本文旨在通过采用软测量技术得出石脑油干点的实时监测信息。具体工作包括变量选择、数据处理、软测量建模和模型校正四个部分,其中软测量建模是本文工作的核心内容。支持向量机(SVM)是一种专门研究小样本情况下机器学习规律的理论。本文首先从支持向量机的理论研究、算法改进、核函数及其参数选择、扩展支持向量机四个方面,详细讨论了支持向量机的现状和发展方向。然后利用标准支持向量机非线性回归的方法对石脑油干点进行软测量建模,并对得到的结果进行相关的分析。结果表明:使用标准支持向量机回归的方法,能够在满足一定工艺要求的精度内达到石脑油干点的在线估计的目的,是软测量建模的有效方法。运用最小二乘支持向量机回归方法对石脑油干点进行软测量建模,并将得到的结果与标准支持向量机得到的结果进行比较,比较结果显示:最小二乘支持向量机同样能满足干点估计的要求,也是软测量建模的有效方法,而且最小二乘支持向量机学习速度快、精度高,在相同样本条件下,比标准支持向量机具有更好的模型逼近和泛化能力。针对最小二乘支持向量机缺少“稀疏”性的缺陷,本文做了一些改进,并进行了相关的仿真分析,使其具有了“稀疏”特性。又引入主元分析法对输入数据进行预处理,使输入数据更易于处理,模型运算速度更快,并且应用主元分析后得到的训练集进行了软测量的建模,建模结果表明:虽然训练数据减少了,但是泛化精度却提高了,说明了所提出方法的有效性。最后校正了软测量模型,并针对校正后的模型进行仿真,将得到的结果与未进行校正的结果比较,结果表明大部分点经过模型的校正之后显示出更好的逼近效果,模型整体精度上也有所改进。