混凝处理法是最为常用的预处理、物化处理工艺之一,其在工业污水、城市污水、自然水体中被广泛应用。自上个世纪末以来,混凝法在新型药剂到与其他工艺的联用上都有了长足的发展。但是在实际工程运行中,加药量大、水质波动等问题对混凝法的影响依旧没有得到很好的解决。而且混凝法的设计中存在着对诸如药剂选择、药剂组合、去除率范围等参数的最优化信息未知的局限性,这些因素制约着混凝法设计的准确度及应用的效果。因此,作者通过对两类不同废水的混凝处理优化调试,探究混凝法在实际中的处理效果并分析其遇到的问题及解决途径。同时,在针对解决混凝法设计的局限性上,作者提出了基于决策树模型的数据分析方法,通过机器学习的方式对混凝法工艺设计中参数进行分类并预测,以此建立设计智能化的初步探究,以达到对已有工程工艺路线以及新工程设计的优化。主要研究内容及结果如下:对洗毛废水处理中混凝气浮进行成本优化,通过小试发现使用Ca（OH）₂作为pH调节剂,可降低PAC药剂量37.1%。最终经实际调试后,药剂费用降低约27%,出水COD_Cr在122¹80mg/L,SS<110mg/L,达到地方污水厂接管要求且出水稳定。对线路板废水处理中混凝沉淀法处理含铜废水出水波动情况进行优化,通过对反馈信息进行分析并排查,小试对Na₂S+PAC+PAM的加药路线进行可行性实验并发现其对Cu²⁺去除率在97%以上。通过对其工艺改造增加沉淀时间并增设加药系统后,最终出水Cu²⁺<0.25mg/L,满足排放要求。通过对两类废水的实际调试中重要的参数进行总结,以及对已刊的文献资料中参数进行整理,根据决策树模型所需要的数据类型对数据进行预处理。结果发现当前文献中存在着大量的参数不完整,对模型的分类能力具有一定的影响。通过对原始数据设计的分类方法进行决策树模型分析,结果表明,决策树模型对混凝处理工艺中的参数具有良好的分类能力且与实际优化调试结果相吻合。这表明决策树模型在混凝工艺参数的分类预测中具有可行性,其能通过数据处理的方式来对混凝工艺进行优化,可由此建立混凝法参数设计平台。采用随机森林进行监督学习,发现在测试集存在着大量的误差以及较低的灵敏度和特异性,结合模型在训练集中展示的优良的精度。其原因可能为数据量不够、混凝工艺参数缺失、变量分类的主观模糊性等。通过对实际工程的优化以及对文献工艺参数分析的结果可知,系统化的混凝工艺参数大数据库具有实际价值。其建立可提升数据分析的能力,并以此建立智能化专家系统以辅助工程的设计、调试。