世界空气质量持续恶化，而排放的污染气体主要以二氧化硫和二氧化碳为主。当今，火电机组在我国发电企业中仍占绝对统治地位，电厂作为二氧化硫的排放大户，二氧化硫的排放控制限定已经成为火电机组所面临的重要问题，相应的对脱硫效率的监控预测也得到电厂的广泛重视。石灰石-石膏湿法脱硫技术在我国电厂脱硫中占绝对优势，占总量的85%～90%，影响湿法脱硫效率因素比较多，且具有关联性，因此对湿法脱硫效率预测较为困难。软测量技术是把自动控制理论运用到工业生产过程中，针对一些重要变量在实践中难以测量或者不便于测量的情况，通过计算机等高端科学技术，先去测量容易获得成果的变量，再利用某种数学关系去推断和估计重要变量的应用过程，这种测量技术实现了替代或者辅助硬件的功能。本论文分别应用偏最小二乘法、模糊神经网络法和支持向量回归机法建立脱硫效率的预测模型。通过分析火电机组石灰石-石膏湿法脱硫效率的影响因素，利用从江西某电厂DCS控制系统采集的脱硫设备运行的历史数据，在MATLAB平台上对该模型进行训练和检验，得到了较为准确的脱硫效率预测模型，并将三种模型的预测效果进行了比较。研究结果表明：基于支持向量回归机建立的脱硫效率预测模型基本上能够和测试集的样本数据相吻合，最大的相对误差不超过0.6%，具有高度的准确性，明显的优于其他两种方法，并且方法简洁，具有在工程中应用的可行性。