随着现代社会工业化进程的快速推进,现代生活给人们带来了诸多便利,人民的生活水平也在不断的得到提高,但同时也不可避免的带来了环境污染。水体环境污染现象日渐严重的背景下,用人工方法进行污水处理已经成为解决水污染的重要方法之一。其中对水质中的各项参数进行实时的精确测量不仅是污水处理决策重要的参考依据,而且决定判断处理后的污水是否达标及能否合格排放。经过对国外水质资源监测的成果和经验的不断学习,我国在水体环境参数的监测方面也取得了很快的进步,但是测量技术手段的落后和测量成本的制约最终导致在线的、实时的水质监测系统一直没有得到广泛应用。以COD参数测量为例,COD参数可以在数值上直观的描述水质中有机物含量。目前针对COD的离线测量方式均以人工采样配合实验消解的方式来测量得到结果,常见的有以化学反应为原理进行数值测量的化学法、以电化学反应为原理的电化学法以及应用性不具备普适性的光学法等。化学法测量结果准确,但是其操作步骤繁多而复杂,且容易导致后继污染;电化学法测量结果也比较准确,但是也会产生污染。而且其测量仪器造价高昂,很难以在经济上为广大消费者所接受;而光学法相对来说测量方式简单易行,而且较之于前两种方法没有化学试剂的限制,且整个测试过程所需的时间较短,但是普适性不能兼顾。基于以上种种状况,寻求精准而廉价的测量方式已成为未来水质测量的发展趋势。以人工神经网络为基础进行软测量模型的建模方式是当今软测量技术的核心,所建立模型理论上可以逼近任意的非线性函数关系,因此众多国内和国外的学者都有利用人工神经网络来进行污水处理过程模型建模的科研经历。本课题将软测量技术应用到水质在线监测系统,结合ASM模型进行人工神经网络建模,确定辅助变量。通过测得的水质常规五项参数推测出水质中的COD参数。即检测水环境中的PH、温度、溶解氧、电导率以及浊度参数,可以软测量出COD参数,同时也可以对测量数据进行在线存储。