醋酸乙烯是一种无色透明，有强烈刺激性气味的液体，目前是世界产量最大的50种化工产品之一。近年来由于需求的不断增加，如何进一步改善生产工艺，降低生产能耗，己成为现代企业技术革新的重要内容。论文依照现场的实际情况设计了合成反应过程的优化方案，提出首先要解决合成反应的在线实时监测，因为它是实现合成反应过程优化调整的先决条件。由于缺少必要的检测设备，因此通过构建合成反应的数学模型来模拟反应过程。在比较了几种常用的建模算法之后，文章选用神经网络对合成反应建模,但是由于初始权值与阈值的随机性，导致单独选用神经网络建模并未达到理想效果。基于这种情况，文章将遗传算法与神经网络两者相结合构建新的合成反应数学模型。发挥遗传算法善于寻找问题全局最优解的特点，解决了单独使用神经网络时容易陷入局部最优的缺陷，又利用神经网络算法的特点避免了训练过慢不利于实际应用的缺陷。在传统的神经网络训练步骤前先进行遗传算法的遗传迭代，确定好初始权值与阈值后再训练网络。通过对仿真结果进行数据对比，证明了新的遗传神经网络模型具有精确的逼近能力和较强的泛化能力。在控制量的调整方面，文章首先确定了需要调整的控制变量即合成反应器的中温，随后在合成反应数学模型的基础之上，通过引入遗传算法解决了最佳反应器中温值的寻优问题，并给出遗传迭代结果及仿真数据对其予以证明。