在复杂工业生产过程模型建立与优化控制的研究是过程控制领域人们十分关心和注重的热点，同时也是将基础控制理论运用到实际系统过程的重点难点。乙烯裂解炉具有平稳、安全、高效运行的特点，是乙烯生产中的关键设备，在乙烯生产过程中起到举足轻重的作用。因此，对乙烯裂解炉系统装置实施先进控制、操作优化具有重要的理论意义和现实意义。为了达到对裂解炉先进控制、操作优化的目的，需要在线测量裂解炉裂解产物的收率,而我们在生产过程中，获取裂解炉的乙烯和丙烯的在线收率值的方法，往往是通过配置工业色谱分析仪，从而来获取裂解炉的乙烯和丙烯的在线收率的数值。然而，工业色谱仪常常存在相当大的测量滞后，并且设备投资大，维护保养复杂，运行成本高，故障发生率高等问题。针对乙烯裂解的复杂过程，本文结合裂解工艺，研究应用粒子群算法和Elman网络对裂解炉进行过程建模。本文的选题以某大型石化公司SRT-VI型裂解炉乙烯控制系统的改扩建项目为背景，选取乙烯裂解炉的裂解深度为研究对象。在对乙烯生产过程的建模、控制及优化技术的研究状况以及软测量模型的现有建模方法进行较深入分析的基础上，提出一种自适应动态等级粒子群算法（ADHPSO），该算法保持粒子多样性，能摆脱局部极值，有良好的全局收敛性。然后，将ADHPSO应用于ELMAN神经网络的训练，建立了乙烯裂解炉裂解深度的在线预测模型，提出了一种集成ADHPSO-ELMAN过程建模的裂解深度智能优化控制方法，得到裂解过程的最优操作条件。最后，运用Matlab进行了仿真计算，仿真结果表明：所提出的方法显著提高了乙烯及丙烯的收率，具有良好的稳定性和适应性，对实际生产具有极大的应用潜力。