城市固废焚烧(MSWI)过程排放的二英(DXN)是被称为＂世纪之毒＂的持续性污染物.该过程的多阶段、多温度区间的物理化学特性导致DXN排放浓度的机理模型难以构建.工业实际中通常以月或季为周期耗时近1周时间在实验室以离线化验方式滞后检测.针对这些问题,提出了基于选择性集成(SEN)核学习算法的DXN排放浓度软测量方法.首先,基于先验知识给出候选核参数集和候选惩罚参数集,采用核学习算法构建基于这些超参数的候选子子模型;然后,耦合优化和加权算法对相同核参数的候选子子模型进行选择与合并,进而得到基于不同核参数的候选SEN子模型集合;最后,再次采用优化和加权算法获得结构与超参数自适应的多层SEN软测量模型.采用UCI平台水泥抗压强度和焚烧过程DXN数据验证了所提方法的有效性.