针对燃煤机组脱硫系统惯性大、影响因素多且实时性较差的问题，提出了一种基于平衡优化算法（Equilibrium Optimizer

EO）和径向基神经网络（Radial Basis Function Neural Network

RBFNN）的动态软测量模型。首先，利用灰色关联分析同时进行变量筛选和时序调整；再结合控制理论知识，利用EO算法进行辅助变量的阶次选择；最后，使用包含延迟与阶次信息的输入变量作为模型输入，利用EO算法优化径向基神经网络参数，建立出口SO

2

质量浓度预测模型（EO-RBFNN动态软测量模型）。然后将其与未加入迟延的RBFNN静态模型、加入迟延的RBFNN静态模型、粒子群优化算法（Particle Swarm Optimization

PSO）优化RBFNN网络参数的PSO-RBFNN动态软测量模型进行比较。结果显示，EO-RBFNN动态软测量模型的预测效果最好，相对误差最小。即使是在出口SO

2

浓度剧烈波动时，模型也可以较准确地进行预测，具有较好的动态特性。