在废水生物处理技术领域，各国学者相继开发了许多高效厌氧生物反应器，具有高效、稳定、节能等特点。其中厌氧序批式反应器(Anaerobic Sequencing Batch Reactor，简称ASBR)是第三代高效厌氧生物反应器，具有结构简单、污泥停留时间长、运行成本低等优点。目前ASBR反应器已经广泛应用于处理低温低浓度生活污水、高浓度工业污水、含硫酸盐废水、有毒、难降解废水等，ASBR反应器作为厌氧生物处理领域内极有发展前景的工艺，近几年来成为厌氧反应器领域的研究热点。 与普通的连续流反应器相比，ASBR反应器是间歇运行、序批进料、具有高度非稳态运行特征的高速厌氧反应器，因此对自动控制程度和精度的要求较高。目前对于ASBR反应器运行参数的有效控制在很大程度上依赖于对生物反应器动力学的正确模拟。而由于生化反应及影响生化反应效果的运行参数的复杂性，导致传统的动力学模型预测出的结果往往与现实情况有较大误差。所以，为了能有效的控制ASBR反应器的运行参数，需要建立一种具有较高精度的数学模型。 人工神经网络模拟人类神经系统的结构，揭示数据样本中蕴含的非线性关系，具有良好的自适应性、自组织及很强的学习、联想、容错和抗干扰能力，可灵活方便的对多成因的复杂未知参数的反应系统进行建模。为实现神经网络的模型，设计者需要掌握计算机编程语言且具有较