本申请公开了一种基于整体优化的即时学习的软测量建模方法、装置、电子设备及存储介质，该方法通过协同表示算法获得历史样本的权重矩阵，并通过加权岭回归算法建立加权岭回归模型，将两种算法进行融合，形成统一的即时学习优化目标，最终通过交替迭代的方式进行求解。从而很好地处理工业过程的非线性、时变性及多重共线性问题，还将相似样本选择和局部模型的构建融合到一个优化函数中，实现利用局部模型的信息指导相似样本的选择，提高相似样本的可靠性及局部模型的预测精度。由此，解决了现有技术预测精度差等问题。