石化行业为经济建设和人民生活提供了强有力的保障,而乙烯作为典型石化产品,生产装置运行过程复杂、能源消耗量大。通过对其建立预测模型,寻找生产配置和能效优化的方向,是落实节能减排的有效途径。本文针对麻雀搜索算法易陷于局部最优的缺点,提出改进麻雀搜索算法,并将其应用于解决极限学习机输入权重和隐层阈值随机生成导致的泛化性能差的问题,提出了基于改进麻雀搜索算法的极限学习机,建立了乙烯装置生产能力预测模型,能够实现生产能力的有效预测与优化指导。本文的主要工作如下:（1）针对麻雀搜索算法收敛于局部最优时难以跳出的问题,提出基于多策略的改进麻雀搜索算法。通过动态控制发现者麻雀比例随迭代次数变化,实现前期发现者占比大保障全局探索,后期加入者数量多加强局部开发。同时,在迭代末期通过萤火虫策略对种群位置进行扰动,扩大搜索范围,提高寻优能力。并通过对8个基准函数进行寻优,验证了本文所提改进麻雀搜索算法优于其它多种智能优化算法。（2）针对极限学习机输入权重和隐层阈值随机生成造成的泛化性能差的问题,提出基于改进麻雀搜索算法的极限学习机。通过改进麻雀搜索算法对其权重和阈值进行寻优,提高建模的泛化能力。基于UCI数据建模,与反向传播网络、径向基网络、传统极限学习机和其它优化算法改进的极限学习机相比,验证了其泛化性能和预测能力。将所提方法用于乙烯投入产出数据,建立乙烯装置生产能力预测模型,与其他的预测建模方法对比,验证了所提模型的有效性,进而为优化用料方案和减少碳排提供指导。（3）基于改进麻雀搜索算法及其优化的极限学习机的研究,设计开发了乙烯装置生产能力预测原型系统。在系统整体设计和功能设计的基础上,基于乙烯装置生产数据,实现数据展示、生产能力预测及优化方向指导具体模块,为管理人员提供便捷的集可视化、预测建模、优化指导于一体的管控平台。