孙鸿飞，王仲平

（兰州交通大学数理学院，甘肃 兰州 730070）

随着社会和经济的发展，城市化和工业化的进程提升了人们的生活水平，随之带来的环境保护问题也日益被重视，污水处理作为水环境保护中的关键部分，也受到了越来越多的关注，对出水水质指标的实时监测是排水质量的保证。化学需氧量是以化学方法测量水样中需要被氧化的还原性物质的量[1]。它反映了水中受还原性物质污染的程度，主要是有机物，化学需氧量越高，水中有机物的污染越严重，根据《城镇污水处理厂污染物排放标准》，一级指标A标准的COD最高允许排放浓度达到50 mg/L[2]，如何实时准确地监测这类指标有着重要意义。

为了快速准确并低成本地测量出COD，国内外学者将软测量方法应用到污水处理过程中来，其中以具有优秀处理非线性能力的神经网络为主[3]，目前已取得了不少研究成果。管秋[4]等结合污泥浓度法和神经网络的特点，以能在线监测的ORP、DO、pH值和污泥浓度MLSS为软测量的辅助变量，BOD等做目标变量进行BP神经网络和RBF神经网络的模型，为后续的污水水质研究提供了重要理论和实际意义；李文静[5]等提出了一种基于互信息和自组织的RBF神经网络用于BOD测量，对敏感度较低的神经元进行删除，然后再加以训练，均方差结果表明此软测量模型的有效性较好。目前用于污水处理过程的神经网络软测量方法大多为三层神经网络，然而污水处理基本是露天的环境，单隐……