提出在火电厂关键参数建模中采用反向建模方法,以规避传统建模方法在实际应用中的建模难题.以超临界直流锅炉中间点温度为例,利用某600MW超临界机组的实际运行数据,采用反向建模方法建立了该参数的数学模型.建模算法选用最小二乘支持向量机(LS-SVM),应用粒子群算法(PSO)解决了LS-SVM参数寻优问题,并将PSO-LS-SVM所得模型与LS-SVM、偏最小二乘(PLS)以及BP神经网络所得模型进行了对比,结果表明:基于PSO-LS-SVM的中间点温度数学模型计算速度快、精度高,验证了反向建模思想的有效性和可行性.