膜生物反应器(Membrane Bioreactor，MBR)是将膜分离技术和生物反应器技术结合而成的一种新型污水处理工艺。大量实验研究表明，膜污染严重影响MBR工艺的性能，并且造成较大MBR的能耗，膜污染导致的最直接的后果就是膜通量下降，所以膜通量大小是膜污染程度的重要表征。因此，研究膜污染影响因素，确定膜通量的变化率，并用智能化仿真模型描述膜污染过程已经成为当今MBR模拟仿真系统的研究热点。　　 本文首先从理论上对膜分离工艺、膜污染的形成机制、膜污染的影响因素等MBR工艺的基本原理进行深入分析，在此基础上，对劳伦斯和麦卡蒂模型和MBR动力学模型等已有的MBR数学模型进行综合研究，并将这些模型的参数进一步的分解细化，从数学模型入手，对各种膜污染的影响参数进行主成分分析，求出对膜污染影响最为明显的三大因素：混合液悬浮固体(MLSS)、操作压力(△P)和温度T。本文采用BP神经网络建模，结合具体试验数据，按照事先确定的准则，通过线性回归和多项式回归，建立了三大参数与膜通量的MBR智能仿真系统模型，以实现对膜通量较好的预测。　　 针对BP神经网络思想建立的MBR智能仿真系统模型的不足，本文采用粒子群算法对所建立的仿真模型参数进行优化，并且求解以仿真模型输出变量(膜通量)的变化率为目标函数的最优化问题。通过采用MATLAB强大的仿真计算能力来编程验证，结果表明，优化后的MBR智能仿真模型能够更加准确的预测膜通量，并且通过对仿真模型的寻优过程使得仿真模型能够合理的模拟MBR膜污染过程。本研究成果可以用来对膜生物反应器的优化设计和运行进行指导，对于膜生物反应器的推广使用有着重要的参考价值。