当今社会,水资源变得日益稀缺,MBR(膜生物反应器)相较于传统的污水处理方法具有占地面积小、体积负荷高、出水水质好、剩余污泥量少等优点,因此被广泛地应用到生活污水、有机废水及工业废水的处理中,成为21世纪污水处理领域的研究热点。而将MBR大规模推广并加以应用的过程中最大的阻碍是膜污染问题,因此找出影响膜污染的主要因素、研究控制膜污染的技术对MBR的应用研究至关重要。本文首先介绍了膜生物反应器的工作原理,并指出阻碍MBR技术发展的主要因素是膜污染问题；然后针对膜污染的机理进行了研究,分析了膜污染的形成原因和影响膜污染的主要因素,在此基础上建立了数学模型,采用模糊推理的方法建立了MBR的模糊模型。利用MBR的模糊模型找到了影响膜通量的主要因素,这样就可以找出在膜通量最大情况下的输入参数,以便改进输入参数,达到更好的出水水质。针对模糊推理过程中出现的自学习能力差的问题,本文引入了改进的基于梯度的实时学习算法构造了一种动态的误差传递因子,不仅能够提高模糊模型的精确性、提高系统的收敛速度和精度,而且还能够解决采用传统的梯度下降方法所存在的收敛速度与收敛过程中存在的振荡之间的冲突问题。并且通过实验证明了预测结果的平均相对误差值减小了,对于膜通量的预测更加地精确。由于系统的结构辨识和参数优化是在对数据的挖掘过程中两个相互作用,彼此影响的阶段,因此,我们在最后的章节中又引入了基于归一化方差信息的自适应方法。这种方法能够同时地、自适应地对数据挖掘地过程中的两个阶段进行优化--参数优化和结构辨识。使用这种方法能够得到一个简单的、精确的模型,而且只需要花费很少的计算代价。