氨氮含量是评价水质的重要因素,水中氨氮含量过高会影响水生物生长,造成水体污染。在长江、钱塘江等流域的氨氮含量多次超标引发蓝藻污染,导致周边的生产、生活用水无法正常使用。因此,水质环保部门开始加大对氨氮含量的监测力度。传统氨氮监测系统虽然可以实现远程实时监测,但是由于开发成本较高、智能化水平较低,无法普遍应用于水质监测领域。针对上述问题,依托陕西省工业科技攻关项目2016GY-044,课题组研发了一套远程水质氨氮监测系统。本论文主要工作是在实验室现有的现场水质氨氮检测系统基础上,实现对水质氨氮的远程实时监测、数据管理分析。同时为了对氨氮污染做到积极预防,本论文提出了一种预测氨氮含量的可行性算法。本系统由现场检测站和远程监测中心两部分组成。现场检测站实现数据的采集、显示和上传。在数据传输部分,系统采用VPN隧道技术保证数据传输过程中的安全性。基于MFC框架和C/S网络架构进行远程监测软件开发,在功能设计方面分为数据传输设计、实时监测设计和数据管理分析设计。本论文基于BP神经网络搭建了水质氨氮预测模型,并通过遗传算法对BP神经网络氨氮预测模型进行优化,通过Matlab仿真,验证了预测算法的可行性。最后,借助实验室平台进行了系统的整体调试,整个系统能够稳定工作。