建立操作变量与质量等重要生产指标相关关系模型是指标预测与过程优化的基础。但在工业生产过程中,根据生产需求,生产往往需要在多种工况下进行,同时,生产设备以及生产过程慢时变,这些都将影响模型性能。因此,研究工况及慢时变情况下,如何有效对模型进行校正具有重要的理论与实际意义。本文以钴矿酸性浸出过程为研究背景,首先对浸出过程以及钴矿浸出过程机理模型进行了介绍,并通过仿真实验分析了影响浸出率的主要因素。在对偏最小二乘(PLS)建模方法进行了概述的基础上,并以机理模型作为实际过程,利用PLS建立浸出过程浸出率预测模型。利用主元分析(PCA)方法对浸出过程浸出率预测模型性能参数进行监测,以实现对浸出过程慢时变与工况大幅变化的监测与判别,仿真实验结果验证了该方法的有效性。然后,介绍了基于模型移植的浸出过程建模与校正方法。在此基础上,依据浸出过程慢时变与工况大幅变化的监测与判别结果,提出针对不同情况的浸出过程模型校正方法,其总体思想是当工况大幅变化时,利用基于案例与模型移植的模型校正方法进行模型校正；当发生过程慢时变时,利用增量PLS方法进行模型校正。具体的,当通过模型监测监测到当工况大幅变化时,首先在模型案例库中匹配已有模型,若能匹配上就直接使用匹配的模型,若找不到可匹配模型,就使用模型移植方法快速建立新模型实现校正,并将新建模型加入到模型案例库：当通过模型监测监测到发生慢时变时,利用增量PLS方法进行模型校正。最后通过仿真研究,验证了本文基于监测与案例的浸出率预测模型校正方法的有效性。