随着计算机高速度计算的发展,神经网络模型在动态环境评价管理中尤其是在污水处理厂运营管理和预测评价中的应用逐渐成熟。由于其权重科学、客观;能同时对多变量进行有效地处理;具有很强的鲁棒性、记忆力及非线性拟合能力,因此使用神经网络模型对污水处理厂运营管理进行预测和评价,是对动态的多变量系统进行评价和管理过程中常用的方法。本文综合考虑水质、环境、经济效益及监督管理指标,基于深圳市污水处理厂现有评价体系进行资料调研,获取相关数据并通过回归分析、残差分析对数据进行处理,逐步建立和优化评价指标体系;基于沙井污水处理厂的历史数据和已建立的评价指标体系初步建立BP神经网络模型;采用历史数据对模型进行训练、校验及预测;最后通过逐层调整隐层数和节点数获取优化模型。对已建立的优化模型进行稳定性校验,最终获取高稳定性优化模型:[6,6,7];然后获取其权重矩阵并进行显著性分析,得出:单位污水絮凝剂消耗量、运营负荷率的权重值最大,分别为0.132和0.128,而在实际运营管理过程中对污水处理厂影响较大的出水COD、进水流量的权重值却很小;为实现实际运营管理中出水COD、进水流量的权重值最大,需要逐一增减高稳定性优化模型的指标变量、调节隐层数和节点数,然后对其进行稳定性校验,最终获取高稳定性深度优化模型:[10,5,8,7]。通过比较模型的精准度及预测能力,确定高稳定性深度优化模型为综合评价模型;通过对比深圳市污水处理厂经营评估模型和综合评价模型影响因素的指标权重,分析各个影响指标对沙井污水处理厂运营管理的具体影响,最终从运营管理、节能减排等角度给政府和污水处理厂相关管理人员提供合理的政策建议。