MBR(Membrane Bio-Reactor)膜生物反应器,是一种将活性污泥法和膜分离技术相结合的新型水处理技术。MBR基于膜工艺独特的优点,在处理城市污水和工业废水方面的应用越来越多,规模也越来越大。然而膜污染是阻碍MBR快速发展的一个重要因素,因此开展对MBR膜污染的研究很有必要。本文在研究了膜生物反应器的工作机理基础上,分析膜污染的形成原因和影响膜污染的主要因素。针对传统的神经网络模型在MBR膜污染预测研究中存在的一些问题,比如BP神经网络模型中存在的收敛速度慢,容易陷入局部极小值等缺点,造成的预测效果不好的问题。参考大量文献后发现径向基(RBF)神经网络具有最佳逼近特性,结构简单,训练速度快的优点,并且在预测领域有成熟的应用,于是将RBF应用在MBR模拟预测仿真中;由于神经网络的预测效果和参数选择有很大关系,为了克服RBF由于参数选取不当对预测结果的影响,用粒子群优化算法(PSO)优化RBF的参数(中心值、宽度和权值),提高径向基神经网络算法的泛化能力,建立了PSO-RBF模型预测膜污染。研究结果表明,和同种条件下的BP算法模型的预测结果相比,平均相对误差下降了2.9%。进一步研究发现可利用遗传算法(GA)的随机性增加RBF算法的搜索范围,于是本文将GA算法和PSO算法相结合,共同优化RBF输入参数,这样既保留了PSO算法的高效性又提高了解的全局最优性能,建立了GAPSO-RBF模型,预测MBR膜污染。研究结果表明,将该算法模型与PSO-RBF算法模型的预测结果相比,预测结果的平均相对误差下降了0.79%,进一步提高了对膜通量的预测精度。在研究膜生物反应器(MBR)和计算流体力学(CFD)的基础上,本文将CFD应用到MBR污水处理研究领域。帘式MBR不但具有处理污水能力强、占地面积小、剩余污泥少、操作方便等传统MBR共有的优良特性,而且抗污染性能好,可根据水量任意排列组合束状膜单元,应用领域广。CFD中的多相流混合物(Mixture)模型可以用来处理两相流和多相流问题,而且占用的资源较少。本文采用CFD中的多相流混合物模型模拟帘式膜生物反应器中污水(固液两相流)的流动状态,经计算该模型在出水口处的固体悬浮颗粒量(SS)为0,符合帘式MBR的实际流动现象,对帘式MBR的污水处理过程有一定的参考价值。