现代工业过程大都具有规模大、复杂性高、变量多、并在闭环控制下运行的特点。对这些多变量生产过程合理建模是了解和指导生产的关键。尤其是随着新型仪表和通信技术的应用,特别是DCS系统的广泛推广,数据采集能力有了很大的提高。计算机监控系统记录和存储的大量生产过程数据和产品质量数据中隐藏着丰富的信息。如何从海量数据中挖掘出有用资源,去掉大量冗余信息,建立基于统计数据的、能反映过程某些特性的数学模型,更好地进行过程控制,是学术界和工业界急需解决的问题。 本文在广泛查阅相关资料、了解相关研究进展的基础上,以基于统计数据的多变量过程建模为目标,系统地研究了基于统计过程数据的多变量过程建模的基本方法;并针对二氧化碳提纯和污水处理两个实际工业过程,提出并建立了两种基于统计数据的较为合理的模型。全文由以下几个部分组成: 第一章主要介绍了基于统计数据的多变量过程建模的需求、理论、基本方法概述,这对多变量过程的有效控制非常有意义。 第二章详细地介绍了基于统计数据的多变量过程建模的基本方法,如多元线性回归、主元回归、部分最小二乘法、人工神经网络的方法。