厌氧发酵生物处理技术在去除有机污染物的同时可以回收能源,为解决能源与环境问题提供了一条切实可行的途径,然而厌氧发酵是一个非线性、复杂的生化过程,特别是产甲烷菌对环境的改变非常敏感,因此为保持厌氧发酵过程稳定高效稳定运行,就需要对厌氧反应过程进行合理的监测与控制。但是现实中厌氧发酵的监测与控制都是相当困难的,这一方面是因为一些影响厌氧发酵过程进行的重要过程参数缺乏可靠的在线监测设备,另一方面是因为厌氧发酵过程的非线性特性使得过程建模比较困难。传统中,对于第一个问题的解决思路是开发更加先进的在线监测设备,对于第二个问题则是在大量假设的基础上建立厌氧发酵过程的简化数学模型。近年来,基于推断控制的软测量技术为解决上述两个难题提供了新的思路。在软测量建模方法中支持向量机具有更为严格的理论和数学基础,其泛化性能好,不存在局部最小问题,特别适用于解决小样本、非线性、高维数等问题,因此本文在论述了软测量基本理论之后,利用最小二乘支持向量机智能算法研究厌氧发酵过程出水VFA和COD软测量建模及模拟预测问题,得到以下成果:颗粒污泥可以加速厌氧反应器的启动,但环境的改变会导致厌氧发酵类型的改变。短时间的冲击负荷会影响厌氧发酵系统运行的稳定性,其中水力冲击的影响最大,浓度冲击影响次之,零碱度冲击影响最小。冲击负荷会使厌氧发酵系统的p H值下降,ORP上升,甲烷含量下降,二氧化碳含量上升,出水COD和VFA增加,但是各个变量的响应速度和变化规律不尽相同。主成分分析能够用于分析多变量之间的关系,同时有效降低建模输入变量维数,有效降低后续建模的复杂度。基于LS-SVM的VFA稳态软测量模型厌氧废水处理系统出水VFA具有很好的仿真预测能力,测试样本的最大相对误差为4.72%,平均相对百分比误差为1.61%,均方根误差为1.08,整体预测数据与实际数据的相关系数达0.9996;稳态干扰模型,由于数据幅度变大,模型对厌氧废水处理系统出水VFA的仿真预测精度有所降低,但整体上模型的预测值与实际值的相关系数仍然高达0.9984。基于LS-SVM的COD稳态软测量模型训练时最大相对误差为11.45%,平均百分百误差为0.79%,均方根误差为3.04,测试时,性能有所降低,但整体上模型预测数据与实际数据的相关系数依然可以达到0.9752,基本上可以预测出水COD的变化规律。浓度、水力和碱度三种冲击负荷下出水VFA和COD的动态LS-SVM软测量模型都具有很好的模拟预测性能,模型的预测值与实际值的相关系数均大于0.99,其中碱度冲击下动态LS-SVM模型性能最优,水力冲击下动态LS-SVM模型性能次之。本文对软测量技术在厌氧发酵过程中的应用做了一些开拓性和探索性的研究工作,对提高厌氧发酵过程的监测水平具有重要参考价值。