针对建模数据存在的高维、共线性等特征，以及常用的基于人工智能的建模方法存在的模型结构难以确定、学习速度慢等缺点，提出了由基于主元分析（PCA）的特征提取和基于优化极限学习机（OELM）的建模算法两部分组成的软测量方法。采用PCA消除输入变量间的共线性并降低输入变量维数，以提取的线性无关的独立变量作为软测量模型的输入，从而简化模型结构。采用集成极限学习机（ELM）与支持向量机（SVM）算法优点的OELM方法作为建模算法，避免了ELM模型的随机性和SVM模型求解的复杂性。将特征提取方法与OELM方法结合后，提高了软测量模型的训练速度和预测性能。采用所述方法，对混凝土抗压强度的软测量问题进行了实验研究，验证了所提方法的有效性。该方法同时可以应用于基于雷达、光电等高维数据的目标识别，具有广阔的应用前景。