氧化鋁生產過程是一個復雜連續的化工工業生產過程，而氧化鋁高壓溶出是整個生產過程中最為關鍵的一環。苛性比值正是氧化鋁高壓溶出過程中的重要的經濟技術指標。它們不僅決定了氧化鋁溶出的效果及堿耗，而且對氧化鋁的后續生產具有重要的指導作用，具體體現在：降低苛性比值，可以減少溶出過程中的堿耗，即同樣多的循環母液可以溶出更多的氧化鋁，同時還能提高種分的分解率；氧化鋁溶出率是直接反映產率的生產指標，它的高低直接反跌了溶出質量的好壞；保持較低的苛性比值與較高的溶出率，不僅為企業帶來巨額的經濟效益，而且對整個氧化鋁工業的穩定高產具有重要意義。因此，必須對苛性比值與溶出率進行檢測并及時調整生產使其達到生產要求。
然而，目前在大多數氧化鋁生產企業中，苛性比值與溶出率的檢測是通過對原礦漿和溶出礦漿的化驗分析得到的，存在較大的滯后，從而導致整個生產流程的實時控制陷入被動，其直接后果表現為：苛性比值與溶出率的檢測結果很不穩定，波動范圍大且難于及時調整，對生產指導極為不利。
我們運用智能集成建模的方法，著重研究了苛性比值與溶出率智能集成預測模型的建立和應用，解決了實際生產中苛性比值與溶出率檢測值嚴重滯后的問題，為及時調整原礦漿配料提供指導作用。
針對氧化鋁高壓溶出過程環境惡劣、反應機理異常復雜，影響苛性比值與溶出率的因素眾多且它們之間有較強的非線性和耦合性等特點，如何將傳統建模方法和多種智能技術相集成來建立苛性比值與溶出率的智能集成預測模型，就成了一個很關鍵的問題。為此，EMC Double Sensors分析儀靈活運用主元分析、神經網絡和聚類分析等先進方法。利用主元分析對影響苛性比值與溶出率的眾多因素進行處理，找出主要因素，減少建模過程中模型輸入參數的個數，達到數據降維的作用，減小神經網絡的規模，從而避免建模時學習收斂速度過慢的問題。
由于整個高壓溶出過程反應異常復雜，期間伴隨著復雜的物理、化學反應及相變反應，在各溶出設備中，都同時存在著固、液、氣三相，因此不可能建立其精確的數學模型。通過深入的機理分析可以知道，盡管原礦漿化學成分、原礦漿物理特性以及高壓溶出工況這三方面因素都會對苛性比值與溶出率產生影響，但是其中原礦漿化學成分對它們的影響最大。
氧化鋁生產在線苛性比αk分析儀雙傳感器，該分析儀由折光儀和環形電導率兩部分組成，都要求安裝在豎管（物料流向是從下向上）或者水平管的??到??方向，要求滿管；管徑要求≥200mm.電導率部分安裝如圖，接線圖見1056操作手冊。
氧化鋁生產在線苛性比αk分析儀雙傳感器，采用在線Nk分析儀測出溶液中的苛性氧化鈉的含量，用電導率測出鋁酸鈉溶液總的電導率再扣除由其他雜質產生的電導率值。然后通過和化驗室的數值用matlab進行擬合得出αk值。
