PTA氧化过程是石油化工生产的重要化学反应过程,其反应产物是生产聚酯产品的重要化工原料,4-CBA是氧化过程中的主要副产物。PTA氧化过程反应条件苛刻,反应机理和反应过程复杂,采用软测量技术来对反应过程进行实时预测。软测量技术采用一些可测变量来对不可测变量预测,本文将对PTA氧化过程进行研究,以4-CBA含量为研究对象,通过AdaBoost算法建立软测量模型。论文将通过以下几个方面展开研究。AdaBoost算法是一种组合算法,将一组训练差异较大的弱学习器通过组合成强学习器,本文选择BP神经网络和支持向量机作为弱学习器。为解决AdaBoost算法中训练弱化的问题,采用双阈值的方法更新样本权重,减小误差较大的样本对弱学习器的影响,采用轮盘赌的方法对样本进行重采样,并通过非线性函数拟合来证明改进算法的可行性。针对PTA氧化过程中4-CBA含量软测量模型,分别以BP神经网络和支持向量机做为弱学习器,以改进的AdaBoost算法做为强学习器建立软测量模型,通过MATLAB训练仿真对4-CBA含量进行预测。并且分别与单一弱学习器建模和未改进AdaBoost算法建模进行分析比较,结论证明改进的AdaBoost算法建立的软测量模型在这几种模型中预测精度更高。