邓 锐 尉胜男

（合肥学院生物食品与环境学院，安徽 合肥 230601）

1 引言

水质预测是采用合理的水质预测模型，通过一些水质指标的历史数据来预测未来水质变化的趋势[1]。水质预测作为水污染防治的关键环节之一，引起了越来越多的关注。在污水处理过程中，对水质进行分析预测可以方便污水处理厂工作人员及时掌握污水水质变化情况，判断污水出水水质是否超标，为水质预警系统提供数据支撑，帮助污水处理厂实现对污水处理过程的实时监控。

目前，水质预测方面的研究多是关于如何通过使用仪器对出水水质参数进行监测来掌握水质变化情况[2]，但存在一定的问题，如：仪器检测不能达到实时性，一些出水指标的测量仪器在检测的精度以及准确性上有待进一步提升等。针对上述问题，Haimi H 等学者将软测量技术应用于污水处理过程中，即通过建立模型对水质参数进行实时测量，达到了良好的水质预测效果[3]，为污水出水水质监测提供了一种新的思路。常用的软测量方法主要有支持向量机模型[4]、灰色系统理论[5]、神经网络[6]等。其中，随着神经网络理论的发展，通过建立神经网络模型对出水水质进行预测的研究越来越多[7]。

Lee 等[8]在A2O 污水处理过程中，建立了基于改进的前馈神经网络（FNN，Feedforward Neural Network）的多输入多输出软测量模型，预测出水COD等指标值，实验表明改进后的模型预测结果更加准确。Grieu等[9]基于FNN和自组织映射，在线预测污水处理厂SS浓度、出水COD等并取得较好的预测结果。……