在当代化学、化工领域中过程建模软测量技术发挥着重要作用,过程建模软测量技术是解决实际工业过程控制、优化和复杂对象化学特性测量研究的有效手段。由于实际过程多具有高度复杂性、强非线性、严重耦合性和时变性等特点,因此所构造的数学模型不仅要能够高精度地拟合过程的稳态特性,还必须具有大范围反映过程动态行为的能力。混合建模技术既反映了复杂过程的机理性质和特点,又体现了未知扰动或不确定因素对实际系统的影响,可以有效地提升模型预测精度和可靠性。本文的研究工作主要集中于混合建模方法研究,并将所研究的建模方法应用于实现CO₂在离子液体中溶解度预测和丙烯聚合反应过程熔融指数软测量。主要研究内容如下:（1）通过查阅收集了大量国内外相关文献,介绍了复杂化学、化工过程的建模问题及其系统工业的研究背景,综述了机理建模、数据驱动建模和混合建模三种过程建模方法的基本原理、内容和研究现状。着重从混合模型的结构设计角度介绍了混合建模技术的基本思想、发展历史、设计原理、应用领域及其在过程工业中的应用现状,并对各自的优缺点进行评述;（2）提出了一种半经验半机理的串联结构混合建模方法,用于预测CO₂在离子液体中溶解度。通过机理分析建立反映热力学性质的Krichevsky-Kasarnovsky机理模型,用于构造描述气液相平衡过程特性的整体结构,在此基础上,利用亨利常数经验Valentiner式和无限稀释偏摩尔体积经验多项式修正该模型机理知识缺失的部分,并以实验测定过程的先验条件对经验模型的输出进行制约,使其满足相平衡过程的内在机理知识,构建串联结构混合模型;然后,根据文献收集的实验数据,采用Levenberg-Marquardt优化算法对所构建的混合模型参数进行学习和修正,以提高模型的适用范围和预测精度。该预测模型应用于CO₂在离子液体中的溶解度软测量,通过模型性能测试,预测结果与相应实验数据较为吻合,反映出模型良好的预测性能。（3）提出了一种基于动态误差补偿机制的并联结构混合建模方法,用以实现聚丙烯生产过程熔融指数在线软测量。通过丙烯聚合反应过程机理分析建立了能够描述熔融指数特性的直观机理模型;在此基础上,利用Elman神经网络构建N个子模型,并采用模糊C-均值聚类算法优选得到性能较好的子模型集成构建一个数据驱动模型,主要考虑到聚合过程工作点漂移、多模态或频繁工况切换等特征,实现对直观机理模型预测误差的补偿;同时,以误差补偿模型的校正偏差判断,实时更新校正机理模型参数,提高混合模型的预测精度。将其应用于聚丙烯熔融指数预测研究中,该模型可以较好地预测丙烯聚合反应过程熔融指数的变化趋势,且相较于单一机理模型或单一数据驱动模型,该混合模型具有更好的预测性能。本文开展了混合建模方法研究,分别应用于离子液体吸收CO₂和丙烯聚合反应过程熔融指数软测量研究中。根据其不同的过程特性,研究设计了两种不同的过程信息源融合的串联或并联混合模型结构,并取得了良好的应用效果。本研究工作对化学、化工软测量建模方法的深入研究具有一定的应用价值与借鉴意义,有助于深入了解系统过程的性质、特点以及动态变化趋势,并可为过程模拟优化和过程控制研究提供一种有效的方法基础。