本发明公开了基于自编码器多样性生成机制的集成学习软测量建模方法。本发明针对流程工业过程数据的辅助变量与主导变量之间的存在的非线性特性、难以提取样本的隐藏结构表达以及常规软测量方法采用单一模型导致模型准确性不高且泛化性难以保证的问题，本发明以多样性的自编码器作为关键特征提取技术，对工业过程建模数据进行预处理，以获得原始数据的隐变量信息；并采用高斯过程回归(GPR)作为子模型，构建多样性的子模型；然后基于阈值筛选和进化优化算法的双重修剪技术，选出准确性高、多样性充分的子模型；最终引入Stacking集成策略对子模型进行融合，实现高性能集成模型的构建和关键质量参数的实时预测。