本文主要以PTA装置溶剂脱水塔为研究对象，运用统计回归方法和人工神经网络技术，建立溶剂脱水塔出口产品组成的预测模型；针对溶剂脱水塔进料波动较大、测量数据不全的状况，运用流程模拟软件对塔进行模拟计算，并用计算获得的塔的特性参数进行建模，在此基础上对塔的操作条件进行优化。本文完成的工作主要有： 1)研究了基于统计回归的溶剂脱水塔塔顶塔底产品组成的软测量建模方法。并分别选用多元线性回归(MLR)和主成分回归(PCR)方法对溶剂脱水塔产品组成进行建模，对所建模型进行了验证，其结果表明模型的精度达到了预期的要求。 2)研究了基于BP算法的人工神经网络对溶剂脱水塔产品组成进行建模的方法，并用现场实测数据对所建模型进行验证测试。 3)本文在系统分析了基于PCA-BP的建模原理后，对人工神经网络模型的关键参数即隐层节点数的确定作了较为深入的探讨，总结出了比较有效的取值方法。并在PTA装置溶剂脱水塔产品组成的软测量建模中得到应用，取得了较为满意的结果。 4)针对PTA装置溶剂脱水塔现场测量数据不全和进料状况波动较大的情况，本文运用正交设计确定试验方案，采用ASPEN流程模拟软件对溶剂脱水塔进行模拟计算并采集建模所需数据，然后通过多元回归分析建立溶剂脱水塔产品组成模型，并在此基础上对塔的操作条件进行离线优化。 文章最后，对统计回归和神经网络技术在过程软测量建模及装置调优的应用进行了展望，并提出了今后建模过程中需要进一步深入研究的方向。