污水处理系统是一个复杂的开放式环境系统。活性污泥法污水处理是目前世界上应用最为广泛的污水处理方法。由于污水处理系统进水水质、水量的剧烈变化，以及微生物生长的复杂性，污水处理过程具有多变量、强非线性、强耦合、大滞后、不确定性和大时变性等特点，使得活性污泥法污水处理过程的建模相对落后，从而限制了污水处理的发展。神经网络能够根据对象输入/输出的数据直接建立模型，不需要对象模型的先验知识及复杂的数学公式推导，因此，神经网络可以在复杂对象建模过程中发挥巨大作用。为了提高对污水处理系统实时预测和控制的能力，建立适用于不同情况的污水处理模型，本文提出了满足以上要求的增长型自组织神经网络模型。本文在深入分析现有研究成果的基础上，对结构自组织的神经网络进行了研究。主要内容如下： ⑴提出一种增长型神经网络自组织算法，应用该算法实现神经网络的结构自组织，通过非线性函数逼近实验证明该算法不但可以动态获得更简单合理的网络结构，而且能保证较好的性能。 ⑵将基于该自组织算法的增长型自组织神经网络应用于污水处理过程建模。建立了污水处理系统关键水质参数模型，解决了水质参数难以在线测量的问题，通过仿真实验证明了该水质参数预测方法的有效性。 ⑶基于LabVIEW软件平台开发了活性污泥法污水处理过程动态仿真系统，较为完整地模拟了污水处理过程的动态特性，从而为污水处理系统控制提供了依据。