本发明属于工业过程智能控制的范畴,具体涉及一种基于改进GWO优化SVM的复杂工况测量方法。本发明的主要内容是通过先验知识,依据具体的挤出过程机理和现场工况选择辅助变量,通过数据预处理,基于支持向量机(Support Vector Machine,SVM)建立聚合物挤出过程的软测量模型,并对其进行监督学习。采用通过反向学习策略改进过的灰狼算法(Grey Wolf Optimization,GWO)优化SVM的惩罚系数C和核函数系数G,并对软测量模型进行验证,最终解决聚合物挤出过程中系统工艺参数获取困难、预测模型难以建立、控制过程存在较大滞后等问题,从而实现对生产对象运行状态的有效监控、实现挤出过程稳定控制、及时跟踪产品质量、降低能耗、减少对人工经验依赖以及提高生产设备智能化的水平。