微生物发酵过程是一个大滞后、多变量、强耦合的复杂非线性系统，内部反应机理十分复杂。为了构建最佳的发酵环境，提高生产效率，就要对发酵过程中的各种过程参量进行监测，以便能使各种先进的优化控制方法得以应用。然而在实际的发酵生产过程中，由于工艺和技术条件的限制，能实现自动检测的参量主要集中在一些现有传感器可以直接测量、容易测量的物理化学量上，如温度、pH、溶解氧、罐压、搅拌电机转速等，而其它一些重要的、影响发酵过程品质的关键生化参量如基质浓度、菌体浓度和产物浓度等则必须用离线分析的方法才能得到。但离线分析滞后性大、且容易造成发酵染菌，从而影响发酵效率和产品质量，软测量技术是解决上述问题的有效途径之一。　　 本文针对上述问题，以赖氨酸发酵过程为研究对象，在研究了多种软测量建模方法的基础上，采用了一种基于稀疏贝叶斯理论的相关向量机(RVM)回归理论，建立了一种组合核RVM生物反应过程软测量模型，并对赖氨酸发酵过程的三个关键生物量进行了预估。论文所做的主要工作如下:　　 (1)针对赖氨酸发酵过程关键生物量难以直接在线测量的问题，在研究软测量技术和稀疏贝叶斯理论的基础上，建立了基于高斯核RVM的赖氨酸发酵过程软测量模型，利用软测量模型对发酵过程的三个关键生物量（基质浓度、菌体浓度、产物浓度）进行预测，并与基于SVM的软测量模型进行了研究对比。　　 (2)为了提高高斯核RVM软测量模型的预测精度，利用RVM核函数的构建不受Mercer条件的限制，对高斯核函数进行了改进，构造了一种组合核函数，并建立了基于该组合核的RVM软测量模型。仿真研究表明，组合核RVM既能保持高斯核RVM高稀疏性的优点，又能使所建立软测量模型的预测精度进一步提高。　　 (3)针对组合核RVM软测量模型中核参数难以选择的问题，采用粒子群算法(PSO)优化组合核参数，避免了传统的参数选择算法（如交叉验证法、网格搜索法等）选择核参数时盲目和耗时的缺点。　　 (4)对软测量辅助变量的选取进行了研究，文中采用核主元分析法(KPCA)减少实验数据中的噪声和冗余信息，降低了数据维度，确定了软测量的辅助变量。