目前城市所面临的水污染主要的环境问题之一,生活污水排放占城市废水排放的比例越来越高。现有的城镇生活源水污染物产排污系数不能反映各地区的差异,无法满足上海市环境保护工作的需要。本研究将上海市划分为三个层级,通过收集主城区、新城和新市镇的城镇污水处理厂2017年手工监测数据和在线监测数据,核算上海市各层级城镇生活污染物产生量与排放量。通过对选取污水处理厂进行分析得到个污染物之间的相关关系,并运用数学模型对污染物排放浓度进行预测。主要研究成果如下:(1)污染物产生量为:CODcr 30.50～75.98 g/cap·d,BOD5 13.91～39.15g/cap·d,NH3-N 2.26～7.67g/cap·d,TN 3.41～9.85g/cap·d,TP0.43～0.99g/cap·d,SS 24.99～39.18g/cap·d。污染物排放量分别为CODcr2.70～7.60g/cap·d,BOD50.42～1.57g/cap·d,NH3-N 0.20～1.07g/cap·d,TN 0.95～3.74g/cap·d,TP 0.04～0.13g/cap·d,SS 1.00～2.74g/cap·d。主城区污染物的产生量和排放量大于新城和新市镇。(2)人口的增加会导致污染物排放的增加,其中受人口因素影响最大的是TN和CODcr。除NH3-N和SS与经济之间无相关关系外,其他四类污染物排放与经济中度正相关,即经济增长会导致污染物排放的增加,其中受经济因素影响最大的是TN和BOD5。因此,为控制污染物的排放,在经济增长的同时要加强环境治理。(3)TN与NH3-N相关性显著。将两者做线性回归分析发现,拟合程度一般。其他污染物之间线性拟合程度很差,几乎没有线性关系。TN与NH3-N和TP之间可以建立二元回归方程,TN与CODcr、NH3-N、TP之间可以建立多元回归方程。(4)时间序列法预测生活污水水质时,除TP预测失败外,CODcr、NH3-N和TN均预测成功,且TN效果最好。运用BP神经网络预测TN的效果最好,且模型运行稳定。TP和NH3-N模型运行不稳定。预测结果的好坏很大程度上取决于数据质量。对比两种预测方法的相对误差,发现基于BP神经网络的预测效果更为理想,更适用于生活污水水质预测。建立预测模型可以及时预测污水中污染物可能超标的情况,便于及时采取调整运行工艺,确保出水水质达标。对促进水资源的可持续利用和保护,具有十分重要的意义。