吸收塔浆液pH值是石灰石-石膏湿法烟气脱硫系统的重要运行参数,直接影响脱硫系统的经济性和安全性。在实际运行中,系统配置的pH值测量仪易受干扰,常发生堵塞、失效等现象,影响系统的连续可靠运行。现场一般采用冗余设备或者取样检测等方法进行临时测量,但是这些方法具有成本高、时滞性大等缺点。软测量技术为浆液pH值的测量提供了新的有效途径。本文以脱硫系统吸收塔浆液pH值为研究对象,建立浆液pH值的软测量模型,实现浆液pH值的快速准确测量。主要研究内容如下:首先,对石灰石-石膏湿法烟气脱硫系统工艺流程以及反应机理进行分析,确定浆液pH值的影响因素,并依据脱硫系统现场数据,对相关过程参数的历史数据样本进行预处理,主要包括离群点检测、平滑处理、归一化以及样本优化。其次,利用互信息算法筛选辅助变量,采用最大相关最小冗余的变量选择方法确定最终输入变量集。在软测量建模上,分别采用偏最小二乘法（Partial Least Squares,PLS）和最小二乘支持向量机（Least Squares Support Vector Machine,LSSVM）建立浆液pH值的软测量模型,并采用改进粒子群算法（Particle Swarm Optimization,PSO）对LSSVM的正则化参数和核参数进行优化。由于静态模型无法满足脱硫系统时变特性下对预测精度的要求,提出一种基于即时学习算法（Just in Time Learning,JITL）的自适应软测量算法。在JITL框架中,以改进PSO优化的LSSVM算法作为局部模型,同时采用偏差补偿技术实现模型输出误差校正,提高模型稳定性。最后,基于现场数据在MATLAB环境下进行建模仿真和实验对比。研究结果表明:浆液pH值的LSSVM软测量模型预测效果优于PLS,改进的PSO运用到LSSVM的参数选择中,有效克服了传统网格搜索方法的盲目性,提高了模型精度。基于JITL的软测量模型与静态模型相比,建立的模型能够反映系统当前状态,具有更好的预测效果,能够有效处理脱硫系统的时变特性,可以满足现场浆液pH值的测量要求,并为脱硫系统的安全生产以及运行优化提供参考依据。