火电厂污染物排放的软测量技术是今后烟气监测研究领域的发展方向。BP神经网络是一种多层前馈型神经网络,具有自学习能力和泛化能力。遗传算法在优化神经网络方面有着优异的性能和巨大的发展潜力。本文主要选取BP神经网络和遗传算法对主要的火电厂污染物二氧化硫的排放量预测进行了研究。本文首先介绍了现阶段对二氧化硫排放量的监测技术,随后对软测量及神经网络进行了基本的介绍,提出了针对火电厂二氧化硫排放量软测量的可行性。其后,本文应用BP神经网络建立模型,证明了BP网络的有效性,并指出了BP网络模型存在容易陷入局部极值导致训练失败的缺点。其次,本文针对BP神经网络软测量模型存在的不足对模型进行了改进。具体的改进措施是应用遗传算法对BP神经网络的连接权值和阈值进行优化配置,避免了模型陷入局部极值的情况出现。最后,训练学习了改进后的软测量模型。通过基本BP神经网络和经遗传算法优化后的BP网络模型预测结果的对比分析可以看出,改进后的模型具有更强的稳定性和准确性,从而验证了利用遗传算法优化BP神经网络后的软测量模型的可行性和优越性。