混凝土是土木建设的基础材料,工程当中将混凝土的抗压强度作为设计和验收的重要指标。传统的抗压强度测量方法需要在混凝土28天养护后才能获得,严重滞后于施工进度。如果能在混凝土拌和期,通过简单易测量的辅助变量以软测量方法预测出28天后的抗压强度,对于提高工程管理水平、保障施工质量具有重要意义。本文通过对混凝土抗压强度软测量模型性能需求的分析,提出基于在线序列式核极限学习机(Online Sequential Extreme Learning Machine with Kernels,OS-ELMK)的混凝土抗压强度软测量模型。OS-ELMK部分模型参数可以随机设置,具有极高的训练效率,能够满足施工当中对实时性的需求。且OS-ELMK可以依据新样本在线更新,相对于基于有限初始样本构建的离线模型准确性更高。在此基础上提出具有选择机制的OS-ELMK,在保障模型准确性的同时降低模型的更新频率,提高易用性。并在保障模型实时性的前提下,提出采用贝叶斯优化算法(Bayesian Optimization Algorithm,BOA)优化OS-ELMK软测量模型的超参数。BOA以高斯过程拟合超参数组合、利用采样函数基于超参数样本的概率分布选择出下一步最优组合,拥有较快的寻优速度。现场采集了拌和站与压力机数据,构建了C50标号混凝土抗压强度数据集,在该数据集上进行了对比测试和验证实验。实验结果表明,本文所提出的混凝土抗压强度软测量模型建模耗时在5秒以内、预测误差在2MPa以内,具有较高的实时性和准确性。最后,基于本文所提出的软测量模型设计并实现了预拌混凝土抗压强度软测量仿真系统,为混凝土抗压强度软测量模型的工程应用提供支持。