人脑是由数百种不同类型的神经细胞组成的复杂生物系统,具有非凡的信息处理和决策能力,可以有效的处理图像、声音、语义等复杂信息。在人脑信息处理过程中,各组织相互配合、相互协调构成了若干个具有不同功能的神经网络模块,各神经网络模块相互独立,却又相互协作,使位于大脑皮质不同区域的神经系统获得特定的功能,从而执行该区域内的独立任务。多模块神经网络是以人脑结构和功能为基础,从人工神经网络智能信息处理的角度出发,采用“分而治之”的思想,将复杂的实际问题分解为若干个相互独立但又相互联系的子问题,对于每一个子问题建立相应的神经网络模型,从而有针对性的分块处理实际问题。虽然多模块神经网络可以很好的模拟人类大脑皮层信息处理模式,但在多模块神经网络结构设计和算法学习过程中,仍存在着诸多尚未解决的研究难点,如自适应神经网络的构建,性能稳定且可靠的子网络结构设计,子网络输出的最优动态集成等。本文借鉴人脑功能分区和信息处理模式,基于神经生理学和神经心理学的研究成果,开展了对多模块神经网络结构自组织、子网络动态重组、最优任务集成等问题的深入研究,分析了多模块神经网络子网络结构特点,设计了基于尖峰机制的子网络自组织设计方法,探索了基于自适应粒子群的多模块神经网络优化集成算法,建立了污水处理过程关键水质参数软测量系统并搭建了城市污水处理水质监测软件平台,完成了对水质参数的有效建模和预测。综上所述,本论文的主要研究工作和创新点如下:1.提出了一种基于神经元信息传递机制的子网络结构自组织方法根据大脑皮层信息传递模式和生物神经元模型,设计了一种基于神经元尖峰信息传递的递归自组织RBF神经网络,该方法可以通过隐含层的输出值计算尖峰强度,实现递归RBF神经网络的结构自组织;同时,采用改进LM算法更新网络参数,保证了学习算法的快速性和精确性。最后通过时间序列和非线性系统实验分析,验证了所提方法在预测精度和网络结构设计方面的有效性,提高了递归RBF神经网络的网络性能。2.设计了一种基于自适应粒子群算法的多模块神经网络集成方法针对多模块神经网络结构设计过程中子网络无法最优集成的问题,提出了一种基于自适应粒子群算法的子网络动态集成方法,该方法采用自适应粒子群算法寻找子网络的最优网络贡献度,并依据贡献度计算子网络的输出权值,完成网络结构的自组织和参数的自调整,最终实现多模块神经网络的集成输出。通过仿真实验验证了网络的集成权值可以通过自适应粒子群算法寻找到最优值,且训练精度、自适应能力优于其他算法。3.建立了一种基于多模块神经网络的污水处理关键水质参数软测量模型由于污水处理过程存在强烈的非线性、大时变以及强耦合等特征,传统方法难以实时在线测量污水处理关键水质参数,本文设计了一种基于多模块自组织神经网络的污水处理关键水质软测量模型,通过剔除异常数据选取辅助变量,建立污水处理过程多模块神经网络模型,可以有效地实现了氨氮浓度的在线预测,提高了网络自适应能力和预测精度。4.开发了一种污水处理出水水质智能检测系统在实际污水处理厂区的基础上,分析了污水处理过程一级处理过程、二级处理的生化反应过程和二层池物理沉降模型,建立了基于组态系统和智能算法的污水处理实验仿真平台,开发了基于数据挖掘的神经网络实时在线预测系统,将采集到的数据上传至神经网络智能算法平台,通过模拟仿真建立关键水质参数的软测量模型,从而可以有效的预测污水处理过程关键参数的输出值,防治污染物超标情况的发生。