有色金属冶炼烟气制酸具有硫铁矿制酸和硫磺制酸所不具有的优势：其生产过程回收了冶炼烟气中SO2气体,减少了SO2对环境的污染,同时能产生很好的经济效益。冶炼烟气制酸过程分为净化、干燥、转化、吸收四个主要部分,而转化过程是核心。目前,转换技术有“一转一吸”和“两转两吸”两种技术,而“两转两吸”是目前世界上领先的制酸技术。转化技术的好坏和控制水平的高低直接影响SO2的转化率。因此,SO2的转化率的高低及其稳定性也就成为衡量冶炼烟气制酸产品质量及产量的一个重要指标。本论文针对某冶炼厂“两转两吸”烟气制酸生产过程中SO2转化率难以直接在线测量的问题,采用软测量技术进行SO2转化率的预测研究。即在深入分析其工艺过程及转化原理的基础上,找出了影响转化率的主要因素,选取SO2转化率软测量的辅助变量(包括转换器五层的出入口温度,8O2入口浓度,SO2出口浓度,风机转速等13个变量),并对采集到的数据样本进行处理(采用拉依达准则进行异常数据的剔除并进行数据的标准化处理),且分别采用了多元线性回归和BP神经网络两种软测量方法进行了SO2转化率建模,进而对所建模型进行了验证。验证结果表明：BP神经网络拟合和预测效果优于多元线性回归模型,且模型具有较高的预测精度,可用于SO2转化率的在线预测。然而,在实际生产过程中,建立起来的软测量模型不可能一成不变,当工况发生变化时,还需要对模型进行校正,以便得到更为准确的预测值。因此,本论文采用短期校正法进行模型校正,提高了模型的预测精度,使模型的预测值更接近于实测值。为了使研究的软测量模型具有使用价值,本论文又采用了西门子的WinCC7.0作为监控平台,将校正后的模型嵌入到WinCC7.0工控平台,模拟实现了SO2转化率的在线软预测。