目前我国水环境问题日渐突出,污水处理成为保护环境的重要措施,而污水处理系统具有高度不确定性和强非线性,实现出水关键水质参数的实时在线监测是个难题。而软测量技术的优点是时效性好、精度高和成本低,将其应用到污水处理系统中,是能以高精度实现出水关键水质参数实时监测的一个高效的方法。鉴于污水处理过程机理复杂,参与反应的微生物种类非常多,因而传统的基于生化反应机理建立软测量模型的方法效果不理想。而基于神经网络的建模方法具有优良的逼近能力,因而在污水处理出水水质参数软测量建模中得到了广泛的应用。本文给出一种新的软测量方法,所搭建的软测量模型在污水处理系统运行过程中可以预测出水关键参数的上界和下界。本文主要的研究工作包括以下几点:(1)污水处理关键水质参数软测量模型建立;根据软测量模型搭建的一般步骤设计污水处理关键水质参数软测量模型整体结构,对辅助变量进行初选,得到的变量为原始辅助变量,初选原则是该变量容易测量且与待测变量相关。然后对采集到的数据进行预处理,包括异常数据的剔除、数据归一化和原始辅助变量的降维处理,这里利用主元分析方法对软测量模型的辅助变量进行降维处理,并将经过数据预处理的变量参数作为RBF(Radial Basis Function)神经网络的输入,欲测量的关键水质参数作为RBF神经网络的输出建立软测量模型。(2)污水处理关键水质参数置信区间计算;在利用K-means聚类算法计算得到RBF神经网络的中心和宽度之后,结合建模误差有界假设,利用参数线性集员辨识算法计算得到神经网络输出权值的集合描述。将此软测量模型应用在污水处理系统运行过程中便可以预测出水参数的上界和下界。另外,为了降低单一模型得到的结果的保守性,这里采用多模型策略,即建立多个模型并将这些模型得出的测量结果进行融合。然后分析并阐述所得置信区间的使用,最后以BOD(Biochemical Oxygen Demand,生物需氧量)和TP(Total Phosphorus,总磷)为模型输出参数进行了实验,并设计基于最小二乘算法的神经网络模型的对比实验,实验结果表明了本文方法所搭建软测量模型的可行性和有效性。(3)污水处理关键水质参数区间预测系统设计;本文设计并开发出水关键水质参数软测量系统,主要包括用户信息管理模块、样本数据管理模块、神经网络模型选择、神经网络模型训练和预测模块和关键水质参数知识等多个模块。系统设计过程中,通过SQL Server 2008数据库存储用户信息和辅助变量等数据,采用C#与MATLAB混合编程技术,实现在界面中调用RBF神经网络的MATLAB程序,使出水关键参数训练和预测结果显示并保存。通过用户管理模块、数据处理、神经网络模型训练和预测等各个模块间信息传输,实现出水关键水质参数预测值的输出并显示,达到软测量系统界面可视化的目的。系统以BOD和TP示例,并可扩展到其他关键水质参数,并可根据发展需要增加其他功能模块。