随着污水排放总量的增加，污水处理厂的数量在不断增加，目前大部分污水处理厂都采用活性污泥法。而对于采用活性污泥法的污水处理厂来说，污泥膨胀是将要面临的严重危险之一。污泥膨胀不仅发生率高，而且一旦发生难以控制和恢复。污泥膨胀导致污泥沉降性能变差，污泥流失，回流污泥浓度低，有时还会伴随着大量的泡沫产生，影响整个生化反应过程的正常运行。污泥膨胀是生化处理系统较为严重的异常现象之一，它直接影响出水水质，并危害整个生化系统的运作。而目前污泥膨胀的关键参数难以实现在线测量，需通过建立污泥膨胀智能预测模型实现关键参数的预测，从而实现对污泥膨胀进行预测。针对污泥膨胀具有高度非线性、大滞后性、时变性和不确定性等特点，基于递归神经网络具有较强的动态特性，利用递归神经网络建立污泥膨胀关键参数的软测量模型，实现水质参数的在线检测，从而预测污泥膨胀的发生。并建立污泥膨胀智能预测平台，实现更直观、方便的对污泥膨胀进行监测。　　论文的主要研究工作及创新点包括以下几点:　　1、针对污泥膨胀指数污泥容积指数(SVI)难以检测的问题，提出一种基于改进PSO-Elman神经网络的SVI软测量模型。为了解决污泥膨胀过程中存在的非线性、滞后性等问题，利用具有动态递归特性的Elman神经网络确定SVI软测量模型结构。通过研究改进粒子群学习算法实现Elman神经网络的连接权值优化，从而提高SVI软测量模型的学习能力和收敛精度。将提出的SVI软测量模型应用于实际污水处理过程，实验结果表明，该SVI软测量模型能够实现SVI值的预测，并且具有较好的预测精度。　　2、为了判断是否发生污泥膨胀，提出了一种基于MIMO-Elman神经网络的的污泥膨胀智能预测模型。以污泥沉降比(SV)及SVI的值作为判断是否发生污泥膨胀的变量指标，提高了对污泥膨胀预测的准确性。并且在智能预测模型中加入了模糊C-均值聚类分析算法，将预测的SV与SVI值进行聚类分析，直接得到污泥的沉降状态。仿真结果表明，该智能预测模型可以直接判断污泥是否处于膨胀状态，并且具有较高的准确性。　　3、设计并开发了一种污泥膨胀智能预测平台。针对目前对污泥膨胀的预测没有通用的软件，设计并开发了污泥膨胀智能预测平台。该平台使用Visual Studio2008和MATLAB作为开发工具，利用数据库等技术，嵌入基于递归神经网络的污泥膨胀智能预测模型。该平台操作具有简便性和可视性，使污泥膨胀的智能预测更为方便、直观，为污泥膨胀的预测提供了一个有效的工具。