水资源与人类生活、生产息息相关。近年来，水资源短缺以及水环境污染等问题日益显著。水资源短缺问题的应对策略是发展污水处理回用技术，使得水资源重复利用，提高利用效率。水环境污染问题复杂，研究方向相对广泛，其中饮用水安全问题与人类生存密切相关，是研究的重点方向。被污染的水源水中成分复杂，通过净水工艺流程虽然可以达到饮用水标准，但在净水过程中的消毒环节，会生成复杂的具有潜在危害的消毒副产物(Disinfection by-product，DBPs)。
　　目前，无论是水中DBPs含量分析还是污水处理回用技术，都取得了相应的研究进展。对DBPs而言，分析水中其种类与含量是DBPs研究方向的基本工作。虽然传统分析手段发展成熟，但存在工作量大，操作复杂，耗费财力等问题。回归模型预测分析饮用水中DBPs含量方法的提出，在一定程度上解决了上述问题。不过该模型在探索DBPs含量与相应的水质指标之间的非线性映射关系时显得乏力。同样，对污水处理技术中膜生物反应器(MBR)工艺而言，虽然具有众多优点而备受青睐，但MBR中也存在着限制其发展的主要问题——膜污染。膜污染研究是推动MBR技术发展的关键，其中膜污染机理研究是认识进而解决膜污染问题的核心。从热力学角度出发，膜污染产生的主要原因是污染物与膜表面的界面相互作用。界面相互作用力的量化已经有了相应的进展，但量化过程的工作量巨大，耗时长是限制该工作进一步发展的重要原因。
　　针对上述问题，本文提出了一种预测DBPs含量以及量化污染物与膜表面界面相互作用的新方法:人工神经网络(Artificial neural networks，ANN)预测分析DBPs含量以及量化污染物与膜表面界面作用力。人工神经网络是一种类似于生物神经系统，具有自我学习、识别、处理信息能力的数学模型。它具有高效的数据处理、信息收集、趋势预测、非线性拟合等能力。其中前馈型神经网络（例如BP网络、RBF网络）被广泛用于工程实践，其功能也得到了有效的证明。
　　本文首先调研了人工神经网络，研究了人工神经网络的原理与结构，探讨了神经网络的种类。具体分析了工程广泛运用的BP网络与RBF网络结构模型。研究中将人工神经网络用于DBPs含量分析以及污泥颗粒与膜表面之间的界面相互作用，得到了如下的结果:
　　(1)通过建立人工神经网络模型，对水源水中DBPs主要成分(THMs、DCAA、TCAA)进行预测分析，比较了不同的输入因子对预测效果的影响。采用SPSS软件分析再一次证明了UV254和DOC与THMs、DCAA、TCAA间的显著相关性。最后成功的利用模型预测了水中DBPs的含量，为DBPs预测分析提供了简单有效的方法，节省了大量的时间以及成本。
　　(2)提出一种基于RBF网络模型对膜污染机理探究的新方法。传统的计算方法采用XDLVO理论与SEI结合，通过不断迭代，在分离距离内进行多个点的计算而得到相应的结果，繁重的工作给计算机带来了巨大的压力，花费了大量的时间。结合RBF网络的新方法有效的解决了上述问题，其模拟结果准确性高，同时花费的时间仅为传统方法的三分之一不到，提高了工作效率。