工业间歇过程数据普遍具有多阶段、动态和非高斯特性，且轨迹不同步是其固有特征，针对上述问题，提出一种基于高斯混合模型-动态偏最小二乘(GMM-DPLS)的故障监测与质量预报新策略。采用GMM对过程数据进行聚类，客观反映不同阶段操作模态的数据分布特点，实现子阶段划分；针对子阶段不等长问题，采用动态时间规整(DTW)算法同步阶段轨迹，最后对同步后的子阶段分别建立DPLS模型。间歇发酵过程的应用实例表明该策略相比传统单一模型的DPLS方法，能显著提高故障监测效率和质量预报准确性。