生物/生态组合处理工艺综合了生物处理和生态处理的共同优势，能够较好地实现生物处理单元的灵活、高效和生态处理单元的低能耗、环境友好的有效结合。现生物生态组合工艺的调度，大都根据经验人为操作，虽能够保证出水达标，但无法保证能耗的最低。根据神经网络的自学习、自组织功能和模糊逻辑的透明性、逻辑性的特征，提出了模糊神经网络的智能调度算法，以此实现调度最优。本课题结合模糊逻辑推理、人工神经网络和计算机技术，形成基于模糊神经网络的污水处理厂协同调度专家系统，根据进水流量、温度、进出水水质等参数，结合生物/生态单元过程特性，合理分配生物/生态两段处理工艺的污染物负荷,协同调度两段工艺。文中主要对以下几个方面进行了研究：①建立小城镇污水厂能耗模型。根据污水的动力学理论建立起了小城镇污水处理厂能耗模型，并根据能耗模型得出相应生物段承担的污染物处理负荷。②选定模糊神经网络的结构模型。根据污水处理厂特殊性采用了T-S型结构，经过研究分析采用COD,温度、流量和TP作为网络的输入，其隶属函数为高斯型模糊分割为5，网络的输出为生物处理段所承担的负荷。③优选合适的模糊神经网络训练方法。文中T-S型模糊神经网络的前件采用的是BP算法，后件网络采用二乘算法的混合算法。仿真结果表明模糊神经网络采用的混合算法的预测误差能够收敛到0.010012，迭代收敛120步左右，较BP算法优。因此该网络具有收敛速度快、误差小的特点，能够应用生物/生态组合工艺的协同调度。④实现系统功能。根据模糊神经网络的机能，开发了基于模糊神经网络的专家系统用于知识的获取，实现模糊推理，给出相应的调度决策，并通过解释功能给出推理的过程，以增加用户对推理结果的信任度。研究结果表明，文中建立模糊神经网络能够较好解决生物/生态两个工艺的负荷分配问题，并且对出水水质具有较好的预测功能，因此结合神经网络的自学习、自组织的功能和模糊系统的模糊推理的优点形成模糊神经网络系统应用于污水处理厂的智能调度，具有一定的应用价值。