燃煤电站锅炉运行中，受热面不可避免地都会存在不同程度的积灰问题，积灰严重后将严重影响电站锅炉的经济性、安全性，所以合理有效的吹灰措施是确保火力发电厂安全经济平稳运行的一个重要方式。而实现优化吹灰，首先就是要对锅炉受热面积灰进行实时准确的监测。针对目前的一些监测手段，本文进行了一些简要的介绍。现有的软测量建模方法主要分为参数回归法和非参数回归法。近年来，非线性预测控制方法运用较多的是基于人工神经网络的建模方法。但该方法普遍存在结构复杂、求解运算量大、训练难、训练结果经常出现偏差等问题。对此，本文提出了一种新的基于数据对数据的非线性监测手段—克里格估计模型。该模型与人工神经网络相比，克里格模型是一种非参数回归建模方法，无需历史数据以及无需对模型进行训练，只需对实时数据进行添加即可实现自适应动态预测与监控。除此之外，该方法还具有不存在函数结构的选择问题，无需反复训练，可实现精确插值，适用性广，能对估计结果作出量化评价等优点。通过跟人工神经网络进行比对分析，表明了该模型在监测锅炉受热面积灰方面优异的内插性能和外推性能，经实际应用，完全能够用于锅炉受热面积灰的实时在线监测。对电站锅炉的灰污监测提供了一种新的方法，是一种有益的尝试。