淡水资源的紧缺和日趋严重的水污染情况,时刻提醒着我们污水处理的必要性。曝气生物滤池（Biological Aerated Filter,BAF）作为污水处理过程中的典型工艺,具有非线性、强耦合和大滞后等特点,这些特点导致了很难建立其精确数学模型,而且现场存在着很多的外部干扰,传统的控制方法很难对其出水指标进行有效的控制。本文以BAF作为研究对象,首先,选取重要的水质参数出水化学需氧量（Chemical Oxygen Demand,COD）和出水氨氮（Ammonia Nitrogen,NH₃-N）浓度作为系统的输出,采用“统计产品与服务解决方案”（Statistical Product and Service Solutions,SPSS）软件基于主成分分析法（Principal Component Analysis,PCA）选取对选定输出影响最大的输入,作为本文研究对象的输入,最终选定进水COD和进水NH₃-N浓度作为系统的输入,从而将BAF系统简化成一个双输入双输出系统。其次,在研究支持向量机（Support Vector Machine,SVM）理论的基础上,提出采用最小二乘支持向量机（Least Squares Support Vector Machines,LSSVM）来辨识简化后的BAF系统,并通过遗传算法（Genetic Algorithm,GA）来优化LSSVM,从而得到简化后的BAF系统的模型,经仿真实验验证,由GA-LSSVM辨识得到的模型可以作为简化后的BAF系统的模型。然后,因为BAF系统存在耦合特性,所以采用LSSVM直接逆模型方法构建了BAF系统的α阶逆系统（LSSVM同样采用遗传算法来优化）,并将α阶逆系统与原系统串联构成伪线性系统,从而解除了BAF系统的耦合特性。最后,引入内模PID控制来改善控制系统的抗干扰能力和鲁棒性,并做了相应的仿真实验,具体内容包括逆模型辨识实验、解耦实验和系统控制实验,由仿真结果可以看出,本文设计的控制策略跟踪性能好、抗干扰能力强,具有良好的适用性。本文的主要贡献在于:采用SPSS软件基于主成分分析法对BAF系统进行了简化,并通过遗传算法改进的LSSVM来对系统进行辨识和解耦,同时设计了内模PID控制方案,并仿真验证了此方案的可行性。