常压塔塔顶汽油干点与产品质量密切相关，因为常减压蒸馏工艺流程和变量相关性均复杂，所以汽油干点预测很难在线进行。软测量方法是解决这类变量估计和控制预测问题的一种技术途径。在核主元分析（KPCA）算法中引入稀疏主元分析（SPCA）思想，采用稀疏核主元分析（SKPCA）算法对模型的输入变量进行选择，实现了数据的非线性降维，简化了主元结构，增加了主元变量的稀疏性。将选择的稀疏主成分作为最小二乘支持向量机（LSSVM）的输入，建立常压塔塔顶干点软测量预测模型。仿真结果表明，SKPCA?LSSVM模型相对于传统PCA?LSSVM、KPCA?LSSVM方法具有较高的预测精度和性能优越性。
