核偏最小二乘(KPLS)能够有效解决数据间的非线性问题并提高质量预测精度,在工业过程监测和质量预测中得到了广泛的应用。良好的KPLS质量预测模型要求核函数同时具备内插和外推能力。然而,传统的单核核函数只能表现出其中一种能力。为了克服这一缺点,本文提出一种混合核KPLS方法用于非线性工业过程质量预测。然后,通过使用遗传算法对混合核函数参数及权重进行优化选取,提高质量预测精度。最后,通过使用田纳西-伊思曼过程的使用实例,说明了该方法的实用有效性。