ISA法铜电解生产过程具有工艺反应机理复杂、非线性、强耦合、时变和大滞后等特点。电解生产过程中，电解槽中电解液化学成份的变化直接影响产品的质量。然而，目前并没有可靠的电解液成分浓度在线实时检测方法，仅能依靠实验室化验分析。由于电解液成分的实验室化验结果与实际值存在很长时间的滞后，使得及时、迅速的控制与优化难以实现。　　 在工业生产和制造过程中，为解决这种过程量难以实时检测的问题，软测量技术应运而生，并已发展为当前过程控制领域研究的热点之一。本文对当前软测量技术的发展、现状和特点等作了简单概述，介绍了软测量技术的概念、基本模型以及一些常用的软测量建模方法。针对铜电解生产过程中电解液成分难以实时检测的问题，分析了采用机理与数据混合建模的软测量方法建立电解液成分预测模型的可行性。　　 近年来，随着智能算法研究的兴起，人们开始关注用智能算法来设计、优化神经网络。本文在深入研究粒子群算法的基础上，将已在遗传算法中成熟运用的变异方法引入到二进制粒子群算法中，通过解决背包问题仿真试验表明，改进后的算法增加了种群多样性，较好的解决了算法早熟的问题。　　 为解决传统的前向神经网络结构设计缺乏理论指导、泛化能力差及训练算法易于陷入局部最优等问题，本文提出了用改进后粒子群算法优化网络结构和训练神经网络的方法。在引进表示各层节点之间连接状态的矩阵基础上，将神经网络的结构作为优化目标，采用二进制粒子群算法解决网络结构优化问题。同时，用标准粒子群算法取代传统的神经网络训练算法进行网络训练。这种方法不仅可以使神经网络结构更加简介，而且避免了传统学习算法的缺陷，兼顾了网络的非线性拟合能力和泛化能力，使神经网络获得更好的性能。通过预测太阳黑子数的仿真实验，并与标准BP算法、遗传算法优化的神经网络给进行比较的对比分析，验证了该方法的有效性和实用性。　　 将改进后的神经网络建模方法应用于建立电解液成分--铜离子和硫酸浓度的软测量模型。仿真与现场运行结果都表明，该软测量模型能够以较高精度完成电解液成分预测功能，具有良好的实用性。