在工业过程中,收到花费成本、检测技术的影响,很多待测变量无法通过现场设备实时准确的检测出来,而实验室的检测同样面临成本高和滞后性高等问题,在畜禽养殖废水处理上,是畜禽养殖业和污水处理工业的多工况特性的过程,化学需氧量COD作为水质参数的重要指标,反映了水样中有机物污染的程度,对其进行准确、实时、经济的测量,传统的检测方法显然不利于企业的发展和环境的保护,软测量方法不仅代替了化学监测的硬件条件,同时大大降低了物料成本和时间成本,对污水处理过程以及其它领域都提供了重要的意义与价值。文章的主要研究问题是在于建立一个能抗畜禽养殖场和污水处理厂露天环境干扰影响的软测量模型。首先,在分析过畜禽养殖废水的特性和污水处理工艺流程后,以活性污泥法处理畜禽养殖废水为基础,确定软测量模型所需要的辅助变量,在污水处理的生化池内安装所用数据采集传感器,对采集到的数据进行异常值处理、归一化处理和相关性分析,作为软测量模型的数据集。其次,研究了面向污水处理的常用数据驱动软测量检测模型中偏最小二乘回归、BP神经网络和径向基函数神经网络作为对比模型,提供基础的理论介绍和为后续模型提供参考。浅层的前馈神经网络是目前应用在软测量模型中最受欢迎的方法,但是在污水处理的应用上,因为天气的复杂干扰环境下,数据集较为复杂,在实际预测中模型常常受到影响偏离实际值,因此文章提出一种基于栈式自编码深层网络的软测量模型,将网络调整为面向污水处理的结构,针对深层神经网络参数训练难的问题,应用逐层贪婪预训练算法,通过输入重构的无监督预训练和数据集级联微调的有监督训练,完成深层神经网络的参数训练,对比常用的三个数据驱动软测量模型,其误差和判决系数均优于常用模型,对干扰数据上的预测效果较好,同时针对深层神经网络隐藏层节点数的难以确定的问题,采用遗传算法进行节点搜寻,最后的基于栈式自编码的深层网络软测量模型具有良好的预测能力,通过福建某污水处理厂的数据验证了软测量模型在露天环境干扰下的有效性。