我国是一个水资源分布不均的国家，总体呈现出南多北少的状况，同时我国也是一个水资源相对困乏的国家，近几十年的工业化城市化发展在带来经济发展的同时，也使得我国整体的水环境遭到了严重的破坏，水污染的形势愈来愈严峻，江河湖泊出现大面积污染的新闻屡屡见诸报端。本文的研究内容为污水除磷，以及预测与控制中的神经网络应用，首先介绍了污水处理的基本方法、污水中相关水质参数及一些主要的性能指标，并介绍了用序批次活性污泥法（SBR）法处理污水的相关工艺过程，分析了除磷加药与自动控制的不匹配，提出了其检测仪器与自动控制不协调的滞后问题，针对该问题，决定采用基于预测的类稳态补偿控制，并且针对实际情况对控制做了相应的限制和智能规则的学习。利用神经网络对前端进水的磷含量进行预测，针对当前在线神经网络的一些缺点，提出一种基于局部条件的资源分配网络，通过初始化聚类形成初始的网络节点以及节点中心；采用基于初始分类的聚类内部“新性”条件代替原来的“新性”条件，降低资源分配网络对给定条件参数的依赖，从而使网络生成更加简洁高效；此外，对于参数调节采用多样本进行，用于提升网络的泛化能力，最后用函数逼近和模型预测的仿真来验证所提出方法的性能。接着介绍了预测控制的相关内容，并对稳态补偿控制及其与神经网络的结合做了研究，并将其与常规的PID控制以及多种神经网络和控制的结合的控制效果做了比较，已用来检验它的性能，结果表明该方法在具备实施条件的情况下对系统的控制性能有明显的提升作用。通过基于预测的类稳态补偿控制和有限制学习的方法对酸性废水的pH值控制进行仿真，用来模拟检测滞后情况下的控制，仿真结果显示，该方法对于克服仪表的检测之后带来的影响有很好的作用，能够达到应用的要求。根据实际的情况，对污水除磷的控制系统设计做了针对性的限制，并且保留了相应的有限度的灵活性在线学习方法，结合控制系统要求，开发出基于三维力控组态软件的监控系统，并做了相应的一些电气通讯的工程设计，包括控制系统的整体设计与结构设计，其中，对主要的系统通信协议以及电气设计作了说明，最后对该监控系统的一些其它内容做了相应的说明。