污水处理过程在线监测设备可以实现污水排放主要理化指标超标的自动报警,排污费的自动计费,数据统计报表的自动生成,并构成污水处理自动控制系统的基础环节。如果有指标超标的话,可以迅速启动环境保护预案,及早扼制污染事故的进一步扩大,提高预防水污染的保险系数,对于保护生态环境、治理水污染具有重要的意义。污水处理系统是一个包含海量信息的非线性复杂系统,具有多变量、不确定性、强耦合性等特点,难以建立精确的机理模型。自20世纪90年代初以来,神经网络软测量方法在污水处理建模中得到了越来越多的应用。本文研究了一种新型的基于RBF网络的污水总氮软测量模型。RBF网络的学习速度快,并且避免了BP网络容易局部极小问题,更好地达到实时控制的目的。遗传算法具有自组织性、自适应性和智能性,可以解决一些复杂的非线性问题。利用具有两层基因染色体结构的递阶遗传算法来优化RBF网络,能够同时优化拓扑结构和网络参数,在全局范围内寻找RBF网络结构和参数的最优解,在污水处理水质软测量建模领域是一个新的尝试。本文对于某污水生物脱氮系统的出水总氮进行软测量建模。针对入水口和过程反应池的辅助变量众多的情况,先用主成分分析方法实现输入变量的降维和去相关,简化RBF网络的输入。按不小于85%的统计贡献率,将13维输入降为6维。然后分两阶段来优化RBF网络拓扑结构和参数:采用非线性优化策略对隐含层进行优化;采用线性优化策略对输出层进行优化。将隐含层的结构和参数看成一个整体,编码为染色体,通过递阶遗传算法确定合理的RBF网络隐含层节点数、基函数宽度和中心。再用最小二乘法来确定输出层连接权。递阶遗传算法和RBF网络的结合,可以得到具有自适应性、自学习性和容错性的非线性模型。将基于本文提出的建模方法建立的软测量模型与其它几种软测量模型仿真结果进行比较,可以看出本模型具有更好的精度和推广能力。这种软测量建模方法可实现对水质指标的在线测量,避免因水质传感器故障和实验室离线分析造成的测量滞后,是实现闭环控制的前提。