针对生化过程软测量建模过程中样本数据可能包含的测量误差对模型性能的影响，提出一种自适应加权最小二乘支持向量机(AWLS-SVM)建模方法，该方法根据预测误差的统计特性，采用基于改进正态分布加权规则，自适应地赋予每个建模样本不同的权值，以克服测量误差对模型性能的影响.由于加权最小二乘支持向量机(WLS-SVM)的正则化参数、核宽参数以及权函数参数对模型的预测精度和泛化能力有较大的影响，采用一种新型混合智能优化算法——混沌粒子群模拟退火混合优化(CPSO-SA)算法对以上参数进行优化选择，以避免参数选择的盲目性.仿真实验表明AWLS-SVM　能有效克测量误差的影响，其模型预测性能优于WLS-SVM　和LS-SVM.同时，利用Pensim　仿真平台的数据，将AWLS-SVM　方法用于青霉素发酵过程软测量建模，获得了较好的效果.