丁苯橡胶是一种人工合成橡胶，因其良好的性能可在许多方面替代天然橡胶，已被广泛应用于人们日常生活及军工领域。丁苯橡胶生产的难点在于对聚合转化率的时实监控。目前，国内丁苯橡胶生产企业多采用实验室人工方法对其分析控制，该方法因存有严重的时滞问题，不仅控制效果不佳还会带来人力，物力等资源的浪费。软测量技术的发展为上述问题的解决提供了一条良好途径。然而，目前采用该技术对聚合转化率进行研究的文章还不多见。就丁苯橡胶生产而言，虽工艺复杂，但工作点相对稳定，辅助变量间存有较强的非线性，企业对聚合转化率预测也有较高精度要求。因此，针对该具体对象，本文以核函数思想为基础，提出了3种丁苯橡胶聚合转化率预测的软测量建模方法。其一是基于KPCA–LSSVM的丁苯橡胶聚合转化率软测量方法。考虑实际工况复杂性和企业对预测精度的要求，首先采用具有较强非线性特征提取能力的核主元分析（KPCA）对数据进行前期处理，并将其结果作为具有小样本、良好泛化能力最小二乘支持向量机（LSSVM）的输入，建立了丁苯橡胶聚合转化率软测量模型。其二是基于多核技术对丁苯橡胶聚合转化率软测量方法。在采用KPCA对数据进行前期处理的基础上，以此为输入建立了丁苯橡胶聚合转化率在线预测的径向基函数（RBF）神经网络模型。考虑RBF存在单一核难以全面精确描述复杂问题的缺陷，将具有时频突出局部表征能力的小波核引入，构造了高斯核及小波核的混合核预以弥补。其三是基于核函数的PLS丁苯橡胶聚合转化率软测量方法。考虑偏最小二乘（PLS）算法非线性处理能力的不足，核函数的引入可以提高其非线性处理能力，分别建立了单核和混合核函数的丁苯橡胶聚合转化率PLS预测模型。上述三种软测量建模方法经工业数据仿真研究，结果表明均能满足企业对丁苯橡胶聚合转化率预测指标的要求。KPCA用于复杂数据的前期处理可以为后续模型提供更为精准的数据信息；小波核具有更好的局部表征能力；而基于混合核函数的PLS建模方法，不但可以较好的描述对象的复杂特征，去除噪声，而且同时考虑输入输出间相关性，在对同批数据仿真结果中，基于核函数的PLS的预测精度和效果最好，更适宜建模预测。