产品质量相关信息对指导生产过程控制与优化都有着极为重要的参考意义。在实际生产过程中,这些关键信息往往在经济成本和技术受到诸多限制,经常会面临难以准确实时测量。软测量技术作为一种可行的替代解决方案,通过建立关键质量变量和容易测量的过程变量之间的模型来准确、经济的估计质量变量,从而获得重要的过程实时信息。近年来,软测量技术在过程控制领域中发挥了重要作用,并在工业方面得到广泛应用。然而,多数传统的软测量技术只关注于稳态的工业过程而忽略了大量存在于工业生产过程中的过渡过程。此外,过渡过程通常表现出变量非线性、高阶动态性等复杂的数据特征。本文以局部加权方法为主要研究途径,研究了两种复杂工业过程软测量建模问题。论文的主要工作分为以下两个部分:（1）过渡过程中不仅存在数据维度高、非线性等特点,常常还伴随有随机噪声的干扰和不确定因素的影响。为了解决随机噪声的问题,使软测量更能适应非线性过程,本文提出了一种新的改进加权因子分析的建模方法,即在加权方法中计入训练样本的输出信息。首先对滑窗口内的数据构建因子分析模型,并利用该模型进行样本间局部相似度的估计。再通过使用SVDD获取查询样本与滑动窗口内数据集的局部相似度。最后,将这两种相似度结合起来作为样本全局权重,设计局部加权结构用于关键质量变量的估计。实验结果证明该方法不仅可以有效的提取过程非线性,而且在提高预测精度方面具有明显的优势。（2）针对非线性高阶动态过程,本文提出了基于加权自回归动态隐变量模型的软测量建模方法。在加权自回归动态隐变量算法中,为了解决动态特征和静态特征方程的非线性函数估计,首先分别根据隐空间和原始空间的状态转移方程和状态发射方程设计了两种不同的加权方式。然后,通过加权自回归动态隐变量模型对非线性高阶动态特征进行表示,在输出变量与提取的隐变量之间建立回归模型。