高浓磨浆是化学机械制浆生产的关键工序，决定着整个纸浆质量和生产能耗。针对高浓磨浆关键质量指标游离度难以直接在线检测和离线化验大滞后的难题，提出一种基于多核自适应最小二乘支持向量回归机(ALS-SVR-ARMA2K)的高浓磨浆游离度在线软测量建模方法。首先，针对高浓磨浆过程的非线性动态特性以及输入输出时滞特性，利用不同时刻的输入输出数据构建自回归滑动平均动态模型。然后，使用ALS-SVR-ARMA2K 进行动态模型求解。同时，为了提高ALS-SVR-ARMA2K 模型的泛化能力和学习性能，采用交叉检验技术优化模型正规化参数C 和核函数参数δ，通过自适应调整模型输出阈值以减少模型参数调整的计算量。最后，将所提方法运用于某化学机械制浆厂高浓磨浆过程游离度的软测量建模。结果表明：与常规ε-SVR 和神经网络建模方法相比，所提ALS-SVR-ARMA2K建模方法具有估计精度高、学习速度快、泛化能力强等优点，并可有效降低模型复杂性，显著提高运算效率和概率意义下的测量精度，具有较好的推广应用前景。