本发明公开了一种基于半监督增量高斯混合回归的自适应软测量方法，该方法首先使用增量高斯混合回归模型，通过选择与关键质量变量相关性较大且容易测量的一组过程变量作为模型的输入，对时变工业过程中难以实时测量的质量变量进行预测估计。为了解决在工业过程中广泛存在的有标签样本稀少现象对模型预测精度的影响，把增量高斯混合回归模型拓展到半监督增量高斯混合回归模型。本发明不仅能够有效面对实际工业过程中的非线性，非高斯性和时变特性，还能够有效解决工业过程中的有标签样本稀少带来的模型参数学习不准确问题，在一定程度上缓解了模型的过拟合，并提高了模型更新效率，达到了针对关键变量自适应软测量的目的。