论文在综述了国内外污水出水水质参数测量研究现状的基础上，针对污水处理过程中关键出水水质参数在线监测困难的问题，研究了基于最小二乘支持向量机(LS-SVM)的软测量方法。主要内容包括：　　 (1)研究支持向量机回归算法(SVR)及其改进算法，重点研究最小二乘支持向量回归机(LS-SVR)。介绍输入数据特征属性选择和SVR模型参数优化对SVR性能的影响及其研究现状，重点研究基于PSO算法的参数优化方法和特征属性选择，提出使用混合PSO算法同步进行特征属性选择和参数优化以改进LS-SVR模型预测精度和速度的新颖算法。　　 (2)介绍了污水仿真基准模型(BSMl)，然后基于BSMl模型产生的数据，建立出水水质参数LS-SVR软测量模型，并对比各种模型优化算法，仿真结果说明LS-SVR软测量模型能较好的估计不同天气情况下的出水水质参数，而且本文提出的混合PSO同步优化算法具有比PSO参数优化算法、网格优化算法具有更好的模型优化效果。　　 (3)将改进的LS-SVR算法应用上海某实际污水厂污水出水水质参数COD、TN的软测量。仿真结果表明，经混合PSO同步优化的LS-SVR模型能较好的估计出水水质参数COD、TN，而且比先经过KPCA对输入数据进行核主元提取再进行PSO参数优化的LS-SVR模型具有更好的估计效果。说明本文提出的基于混合PSO算法的LS-SVR软测量建模方法的可行性和优越性。