聚丙烯在生产生活中处于非常重要的地位,因而对聚丙烯生产的产品的质量控制提出了非常高的要求。熔融指数(Melt Index, MI)作为聚丙烯生产中最重要的指标,其控制和预报尤显重要。本文研究了聚丙烯生产过程中熔融指数软测量预报问题,针对生产过程的不确定性和信息的不完全性采用灰色模型进行建模研究,然后使用BP神经网络和RBF网络对灰色模型进行了残差修正。本文提出的建模策略有效地改善了模型结构,提高了模型的预报性能,得到的模型都能够成功地应用于实际聚丙烯工业生产数据的预报工作,为实际生产中熔融指数软测量预报提供了诸多选择。全文主要工作及贡献如下：(1)针对丙烯聚合生产过程和一维灰色模型建模要求和适用范围,利用GM(1,1)模型建立起MI软测量模型,通过对之前时刻的MI值预报之后时刻的MI值。研究结果表明了GM(1,1)预报模型的有效性和适用性。(2)考虑到丙烯聚合生产过程中变量的多维性,采用对传统多维灰色模型GM(1,N)改进的GMC(1,N)模型,建立了MI软测量模型,充分利用了生产过程变量之间的隐含关系。基于工业实际聚丙烯生产数据的预报结果,表明了GMC(1,N)预报模型比支持向量机(Support Vector Machine, SVM)模型有着更好的预报性能。(3)基于模型组合的思想,分别将BP神经网络和RBF网络同GMC(1,N)模型进行组合,建立了残差修正的组合灰色模型GMC(1,N)-BP模型和GMC(1,N)-RBF模型。基于工业实际聚丙烯生产数据的预报结果,表明了组合模型的高效性和普适性。