间歇过程的产品与现代人的生活息息相关,而建立可靠的模型是保障间歇过程安全运行的基础。针对间歇过程的数据特点,引入一种新的广义线性回归模型--高阶偏最小二乘(higher order partial least squares,HOPLS)。它与传统的间歇过程建模方法具有本质的不同,三维数据(批次×变量×时间)不需要展开成二维矩阵,而是直接被分解成一组正交的Tucker矩阵之和。通过高阶奇异值分解(high order singular value decomposition,HOSVD),张量变换和高阶正交迭代(higher order orthogonal iteration,HOOI)找到能同时包含自变量和因变量最大信息的潜向量,与此同时得到对应的负载向量。对于新观测值,通过模型就可以实现对因变量的预测。最后利用PenSim2.0,对青霉素发酵过程进行仿真研究,验证了该间歇过程建模方法的有效性。