污水处理是社会向工业化推进的一个重要环节。污水水质元素的多样性导致污水处理工艺十分复杂，如何在复杂工艺生产中保持污水厂的稳定运行就显得尤为重要。而随着现代化设备的不断使用，传统的污水异常诊断方式在诊断效率等方面已显示出极大的局限性。如何利用有效的方法来打破传统诊断方式的局限，在降低人力成本投入的同时提高污水数据处理的能力，对维护污水厂的稳定运行具有重要意义。基于计算机技术的智能算法近年在传统行业里得到了广泛研究和应用。利用智能算法来模拟污水处理过程中的数据分析、处理和专家诊断的过程，从而设计出一套自动化的污水处理诊断体系，用计算机替代手工操作，已成为解决污水厂现有难题的有效方式。本文基于专家系统、数据挖掘以及粗糙集等若干智能算法理论，对污水厂的污水处理方式和污水数据进行分析和建模，研究和设计出替代传统污水异常处理模式的在线诊断系统，论文主要研究工作如下：首先针对污水异常诊断过程，提出并设计了基于确定因子的专家系统模型。专家系统是用于模拟人类专家诊断过程的智能计算机系统，本文根据污水专家进行水质异常诊断的过程进行建模，将专家掌握的诊断经验以及操作规程转化为机器可识别的规范化的规则数据，并引入确定因子计算法则作为规则冲突调节的基本方式，从而设计出一套完整的污水处理专家系统推理引擎。对于专家系统在知识获取上遇到的难点，本文进一步进行了研究。引入关联规则数据挖掘算法，从大量的污水日报数据中获取与水质异常状态相关的关联规则。为提高经典Apriori算法的挖掘效率，本文利用基于粗糙理论的知识约简方法对算法进行改进优化，对与异常状态相关度不大的属性进行合理剔除，并利用K-means聚类方法进行数据离散化处理。同时，为验证算法的有效性，将改进算法在UCI污水数据集中进行应用并评估实验效果。最后，我们根据吉林某污水厂的实际业务处理过程和污水处理工艺流程，以确定因子专家系统和改进的关联规则算法为基础，利用基于SSH2的主流Web轻量级软件设计架构，设计出一套智能化的污水处理在线决策系统平台，从而使理论方法研究在污水处理领域中得到应用。随着人工智能领域的不断发展，人工智能与传统工业的结合必将越来越紧密。本文利用机器学习算法在提高污水处理异常诊断效率上得到了良好的应用方案，并通过对算法的实际应用设计，验证了该方案的可行性，同时为智能工程领域研究以及智能化污水处理方向提供了一些借鉴与参考。