坚决打好污染防治攻坚战，是国家的重大决策部署，这意味着污水处理标准的不断提高，处理工艺的不断更新，也意味着对污水厂的在线检测和优化控制提出了更高的要求。但目前许多与质量相关的重要变量无法用硬件传感器在线检测，因此利用现有易测得的过程变量，建立可进行实时估计的软测量模型，预测水质总氮、总氨等重要质量变量并以此来指导污水处理的过程控制及故障预测，可以优化对污水处理过程的管理。然而，污水处理过程是一个典型的非线性、多变量、非稳定、时变系统，模型受到非稳态过程的影响时将导致预测性能急剧退化；其次，过程变量数据采集量小，多个变量间具有自相关、共相关和互相关的特性，当训练样本未能正确选择或者样本不足以预测多个变量的完整信息时，会导致模型预测性能变差，甚至影响模型的泛化性能。这些问题给软测量建模造成很大困难，因此面向污水处理过程的软测量模型受到了国内外学者的广泛关注。本文针对实际污水处理过程中的多种问题，对基于核模型的软测量模型进行深入研究，将多核学习引入相关向量机模型，并将自适应技术引入多输出软测量模型，从而实现在非稳态过程下同时在线监测多个重要难测的质量变量。同时，首次研究多输出多步预测模型在污水处理中的应用。
　　本论文的主要研究内容如下：
　　1.动态多核相关向量机的软测量建模方法研究。针对污水处理中数据量较小且强非线性问题，提出基于多核相关向量机软测量模型。多核相关向量机结合了多种核函数的特性，能够有效应对污水处理过程中存在的复杂性，且相关向量机的高稀疏性和基于概率学习的特点，使得多核相关向量机能够获得优异的预测效果。通过使用粒子群优化算法进行核函数的选择以及权重参数的最优估计，通过选择最优参数，提高软测量模型在动态过程的预测性能，并引入最小绝对收缩和选择算子算法降低所提出模型的数据维数和模型复杂度，从而进一步提高软测量模型的性能。时间差分的引入提高了模型的的动态特性和鲁棒性。最后通过三个案例研究证明所提模型的有效性。
　　2.自适应多输出软测量建模方法研究。针对污水处理过程中存在多个难以测量变量，且具有多变量耦合、强非线性和时变等不同的特性，且易受非稳态过程的影响导致性能退化的问题，提出若干种新型的自适应多输出软测量模型，并将其应用于污水处理中进行对比研究。将3种基本自适应策略与混合自适应策略同3种多输出回归模型相结合，提出24个自适应多输出软测量模型。自适应策略和多输出模型的集成不仅为多输出预测提供了解决方案，而且还具有减轻多输出软测量模型退化的潜力。通过对3个案例研究对比并分析结果，为不同情况下应用何种自适应组合多输出模型提供了重要的参考意见。
　　3.基于变量选择的参数自优化自适应多输出软测量模型在污水处理中的应用研究。针对多输出软测量模型的输入变量选择，以及多输出高斯过程回归模型的参数选择问题，提出基于核典型相关分析的时差-即时多输出高斯过程回归软测量模型来预测污水处理厂中难测的质量相关变量。核典型相关分析使输入和相应目标之间的相关性最大化，简化模型的输入并消除冗余输入，从而保证后续构建能够体现其内部关系的模型。时差和即时学习方法的结合不仅可以削弱不确定性的负面影响，而且可以有效地提高模型的鲁棒性能和预测能力。为了选择多输出高斯过程回归模型的最佳参数，引入了模拟退火萤火虫算法以优化模型的协方差函数，帮助选择相关参数。结果表明，所提模型能够对非稳态污水处理过程的多种难以测量变量进行有效地预测。
　　4.多步多输出预测在污水处理中的应用研究。针对在污水处理过程中设备发生故障，造成数据不准确产生异变，使得采集的非正常数据进入后续监控，引发更大误差的问题，提出在线多输出多步预测模型，将多步预测的直接递归策略与多输出模型相结合，对容易造成故障的多个变量进行多步预测，针对多步预测中误差累积的问题，使用多输出高斯过程回归模型对误差进行预测补偿。结果表明，多输出多步预测模型能对稳态过程进行有效预测。
　　最后对本文的主要工作进行总结，并对面向污水处理过程的进一步研究进行了展望。