目前,城市污水处理问题已经成为急需解决的问题,活性污泥法是目前处理城市污水使用最广泛的方法。由于污水处理系统具有非线性、大滞后性、参数复杂及各参数变量之间的耦合性等特性,导致污水处理过程的建模与控制变得非常困难。而国内的污水处理过程的建模与控制水平相对较低,因此对建模与控制方法的研究显得十分重要。溶解氧作为活性污泥法中一个非常关键的参数指标,对其进行深入的控制与研究就显得尤为重要。本文以溶解氧浓度作为被控变量进行了以下的工作研究:本文首先对污水处理过程进行了分析,在活性污泥1号模型的基础上详细描述了污水处理中各反应过程与组分浓度的内在联系,并根据物料平衡关系以及污水处理系统的特点建立了适用于控制的简化数学模型。针对将传统BP神经网络作为预测模型时会出现收敛速度慢且容易陷入局部最优等问题,本文采用萤火虫算法对神经网络初始权值的选取进行了优化,通过仿真证明了经过优化的神经网络比未经优化的神经网络在模型辨识方面的精度更高。然后针对溶解氧浓度控制提出了一种基于HDE混合优化算法的神经网络预测控制,该方法结合了萤火虫算法中的吸引力机制以及差分进化算法中的变异、交叉、选择机制,能够有效的解决预测控制的滚动优化环节中最优目标性能函数难以求解的问题,经过标准函数测试表明了该融合算法具有更好的寻优性能。最后将FA-BP神经网络作为溶解氧控制的预测模型,并在滚动优化环节引入HDE算法,仿真证明了本文采取的方法控制精度更高,跟踪性能更好且抗干扰能力更强。