污水处理过程是一个复杂的动态的生化反应过程，具有高度非线性、变量繁多、大滞后和干扰严重等特征。因此，无法建立其精确的数学模型。传统的控制方法不能获得令人满意的控制效果。为了提高污水处理能力，保证出水水质达标，降低操作成本，研究新型的污水处理过程智能优化控制策略不仅具有重要的理论意义，而且非常具有实际的应用价值。论文以基准仿真模型（Benchmark Simulation Model no.1，BSM1）为基础，设计了一种污水处理过程多变量自适应预测控制策略，提出了一种基于设定值优化模型的优化控制方法，最后建立了一种在线预测优化控制系统。论文的主要工作和创新点如下：1、深入分析了由欧盟科学技术合作组织（COST）和国际水协（IWA）合作共同提出的仿真基准模型BSM1，并在matlab环境下实现了BSM1平台的可视化运行，为新型控制策略的研究工作奠定了基础。2、针对污水处理过程高度非线性、大时变、大滞后等特征，提出了一种基于回声状态网络（Echo State Network，ESN）的多变量自适应预测控制策略。首先，利用ESN建立了预测模型，其次设计了ESN辨识器，通过计算辨识器与实际输出的差补偿建立预测模型时产生的误差。最后，在BSM1平台中与PID、基于BP模型的预测控制进行了比较，该方法对溶解氧浓度和硝态氮浓度具有更高的控制精度。3、通过挖掘进水流量以及进水组分与控制变量设定值之间的关系，建立了设定值优化模型。将建立的设定值优化模型作为控制系统的上层，底层采用基于ESN的多变量自适应预测控制测略，实现了基于设定值优化模型的优化控制。该方法不需要复杂的计算，实验结果表明，设定值优化模型能根据进水状态产生相应的控制变量设定值，基于设定值优化模型的控制方法能够在出水达标的前提下降低污水处理过程能耗。4、为解决污水处理过程能耗过高的问题并适应污水处理过程的实时性，提出了一种基于ESN的在线预测优化控制系统。通过对各种优化算法的研究，设计了ESN优化控制算法，并应用于污水处理过程中，对溶解氧浓度和硝态氮浓度实施了优化控制。实验表明，该方法能够动态优化底层控制器的设定值，并降低了能耗。