厌氧序批式反应器(ASBR)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，对自动控制的精度要求较高。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。由于生化反应及影响生化反应的反应器运行参数的复杂性，传统的动力学模型预测出的结果往往与现实相差过大。为了能有效的控制ASBR反应器的运行参数，需要建立一个具有较高精度的数学模型。 在ASBR反应器中，pH值是影响厌氧消化过程的重要因素。厌氧微生物对pH值范围有严格的要求，而厌氧体系的pH值实际上是由反应器内的缓冲体系所控制的。因此，进水碱度不仅是影响厌氧生物处理工艺性能的环境因素，也可以作为厌氧体系中调节pH值的控制条件。由于进水中有机负荷和碱度对厌氧消化液中的碱度和pH值，特别是反应初期产酸阶段的碱度和pH值有显著影响。因此，为了保证ASBR反应器稳定、高效和经济的运行，有必要对不同进水有机负荷和碱度条件下运行的ASBR反应器中的碱度需求规律和最小pH值进行研究和预测。 本文采用人工神经网络(ANN)为分析工具，以MATLAB7.0为编程工具，通过利用神经网络理论和MATLAB7.0中神经网络工具箱(NNT)建立了三个ASBR反应器神经网络预测模型。它们采用三层BP神经网络结构和不同的神经元数目，以碱度水平或碱度水平与有机负荷的组合作为BP网络的输入单元，以ASBR反应器中的碱度、碳酸氢盐碱度(BA)和总碱度(TA)的比值BA/TA或最小pH值作为输出单元，用于满足ASBR工艺在不同应用条件下的控制要求。本文的这些预测模型选用实验室中ASBR反应器的实测值进行训练和预测，并把预测结果与试验中的实际值进行比较，其平均相对误差均小于3％。结果证明，本文所构建的神经网络模型具有良好的精确性和准确性，证明了将神经网络应用于ASBR废水处理工艺预测模型是可行的，为ASBR反应器在工程应用中实现自动控制碱度投加量提供了一种新方法，具有很好的工程应用价值。