现如今,人均水资源的稀缺、水体的严重污染,处处彰显了水资源的珍贵和告知我们污水处理的必要性和紧迫性。污水处理是集非线性、滞后性、惯性等特性于一身的复杂工业过程,其复杂的生态环境、多样化的工艺过程直接导致了水质检测的困难。然而现有的检测技术受到成本、精度等因素的约束,都不能很可靠的对其各类水质参数进行实时精准的检测。随着传统技术的发展延伸,软测量技术从中脱颖而出,成功的应用在污水处理的实际应用过程中,并取得了良好的效果。本文选择将曝气生物滤池作为研究对象,建立了基于出水COD浓度预测的污水处理软测量模型,实现了对水质参数出水COD浓度的预测,实现了对出水水质的预判。本文主要论述内容如下:首先本文选择基于SVM改进而来的LSSVM作为基础算法,建立了基于LSSVM污水软测量模型,虽然运算效率有所提高,但模型的准确度却略有下降,因此本文针对该弊端,选择了从超参数角度出发,利用改进的粒子群优化算法对模型进行参数优化,通过仿真实验对比分析,改进之后的模型在准确度上有很大程度的提高。然后,基于LSSVM同等对待每类样本,容易受到噪声敏感点影响的弊端,本文引入了模糊隶属度的方法,对每一个样本选择添加一个隶属度?_i,建立了基于FLSSVM污水软测量模型,并介绍了两种不同的选取隶属度的函数模型,分别对模型进行改进优化。仿真结果分析可知,模糊LSSVM模型不仅准确度相较于普通模型有明显程度的提高,同时其面对孤立点的能力也得到了很大的提升。本课题的主要贡献及创新点在于:本文选择从参数优化和模糊回归两个方面对LSSVM模型进行改进优化。改进的粒子群算法合理的选择出模型需要的超参数组合,大大的提高模型的准确度;模糊算法的加入区别对待各类样本数据,不仅提高了模型的准确度,模型的稳定性同样得到大大的改善。二者的结合,共同实现了对出水COD浓度的实时预测。