目前,人工神经网络中应用最广泛的是误差反传算法网络,即BP神经网络.许多学者均已证实,BP神经网络具有很好的逼近与泛化能力,这种能力使它在非线性系统建模和控制上体现了很大优越性.利用产酸硫酸盐还原反应器对高浓度硫酸盐废水进行处理时,反应器中硫酸盐还原菌(SRB)的生态位是该系统的核心问题.本论文创新性的引入BP神经网络对硫酸盐还原菌(SRB)的限制性生态因子(COD/SO<,4><2->比、pH值、碱度、硫酸盐负荷率)进行建模与仿真,建立起基于四个生态因子的硫酸盐还原菌多维生态位的模型,对硫酸盐还原工艺系统进行了模拟与仿真,较为成功的解决了程序调试中遇到的网络的过拟合和局部极小问题,实现了从数学生态学角度定量表征产酸硫酸盐还原微生物生态系统中SRB种群的代谢活性与实现生态位.本文对硫酸盐还原过程的逐步回归与BP算法进行了比较:其最大误差、平均误差、均方差.结果表明,用BP神经网络法进行预测明显好于线性回归(逐步回归),具有较高的准确性.模型预测碳硫比(C/S)、硫酸盐负荷率(Ns)、pH和碱度(ALK)四个因子对硫酸盐去除率(η)影响的效果很好.在此基础上,采用信息流、PCW和PaD三种方法,分析网络各层神经元的连接权值,从而明确了引发微生物群落演替的关键因素.分析结果与原型试验所反映出的微生物生理生态学规律具有很好的一致性.对硫酸盐还原菌的多维生态位图谱进行了预测,结果表明与实际值误差很小.这种预测能力使得该模型可实现生态因子与硫酸盐去除率之间关系的逼近和泛化,有效的预测硫酸废水的处理程度,控制处理过程的状态空间因子.本研究的思路和方法对废水处理工艺的稳定运行和优化控制具有重要的理论指导意义.