抗生素菌渣具有有机质丰富、含水率高且有一定抗生素残留等特点，如若处置不当不仅造成资源浪费，还会引起一定的环境风险。随着人们环保意识的提高，国家逐步加大菌渣处置管理力度，抗生素菌渣安全处置问题已成为限制我国微生物制药行业发展的瓶颈。本课题主要通过对国内外抗生素菌渣处置现状进行全面调研，确定菌渣处置技术主要影响因素并构建菌渣处置模糊评估模型。利用模糊数学对模型分析计算确定各影响因素的综合权重排序，并对抗生素菌渣处置技术进行综合评估，以此确定最佳的菌渣处置技术。然后利用多元线性回归和神经网络等仿真模型，对最佳菌渣处置技术的残留抗生素去除进行预测。并根据拟合效率及拟合误差，确定最佳的残留抗生素去除预测方法。为全面掌握抗生素菌渣处置现状，本课题先后向16家抗生素制药厂、中国化学制药工业协会、全国固废管理中心等部门发放问卷调查。通过对调研资料分析，我国抗生素产品可按其化学结构分为六大类，其中四环类抗生素产品产量最大，而β-内酰胺类抗生素湿菌渣单位产品产量是四环素类的两倍。并得出我国抗生素菌渣处置发展流程、国外菌渣处置现状和现阶段我国主要菌渣处置技术等分析结果。在调研分析的基础上构建抗生素菌渣处置FAHP评估模型，通过模糊分析确定菌渣处置影响因子权重。其中，对准则层环境因素、安全因素、经济因素和技术因素4个主要影响因子权重排序，确定显著因子为环境因素（权重0.6368）；而指标层主要影响因子为：土壤污染(0.2536)、水体污染(0.1973)、环境累积(0.1474)、处置耗能(0.1138)等。并对堆肥、饲料化、焚烧、填埋及其他技术5种抗生素菌渣处理处置技术进行评估，确定堆肥和饲料化为现阶段最佳的抗生素菌渣处置技术。最后，分别利用多元线性回归、BP神经网络及RBF神经网络三个预测方法对抗生素菌渣饲用复合酶处置技术的残留抗生素去除进行预测研究，并通过训练数据和检测数据对模型适应能力、拟合预测效率及拟合效果进行对比，RBF神经网络模型拟合速度快、数据拟合效果好，训练误差达到10-15数量级。因此，饲用复合酶技术最佳的抗生素去除预测仿真方法为RBF神经网络。