近年来随着国家的飞速发展,我国的工业污水和生活污水日益增加,我国水资源污染问题变得十分严峻,污水治理的问题已经越来越多的出现在人们的视野中,能否有效的治理污水已经与人们未来的生活息息相关。生化需氧量(Biochemical Oxygen Demand,BOD)是将有机物转化为无机物所消耗的氧量,它反应了污水的污染程度,并已被证明是水质管理和规划的重要变量。BOD的准确测量成为保证污水处理控制系统正常运行、出水水质达标的必要条件。因此针对实际污水处理过程中BOD难以准确测量的问题,文中提出了基于自组织递归RBF神经网络的出水BOD软测量模型。该模型首先通过引力搜索算法(Gravitational Search Algorithm,GSA)选取出神经网络的输入变量,之后利用定向信息和互信息对递归RBF神经网络(Recurrent RBF Neural Network,RRBFNN)进行结构动态调整。最后将该网络用于污水处理过程出水BOD的预测,并完成了出水BOD软测量智能系统的开发,实现了出水BOD的准确预测。文中的研究工作主要分为以下几点:(1)基于GSA的特征选择方法研究。文中提出了一种基于GSA的出水BOD特征选择方法。首先该方法将神经网络的均方根误差(RMSE)作为粒子的适应度函数,之后将粒子的位置信息应用Sigmoid函数进行转换,将特征变量选择转换成0-1组合优化问题,来选取出最优特征子集。从而避免网络由于输入变量过多而导致的计算复杂等问题。最后将该方法选取出的最优特征子集作为递归RBF神经网络的输入,来对出水BOD进行建模。(2)基于定向信息的自组织递归RBF神经网络设计研究。文中提出了一种基于定向信息(Directed Information,DI)的递归RBF神经网络结构调整算法(DI-RRBF)。网络的结构调整和参数学习同时进行,首先在结构调整中,利用隐含层神经元,输出层神经元和反馈值间的交互信息获取网络定向信息强度,将定向信息值大的神经元进行分裂来满足网络对于预测精度和复杂度的要求,同时合并两个互信息值大的神经元以此来简化网络的结构,从而确定递归RBF神经网络的结构,同时在参数学习部分采用梯度下降算法进行训练,保证递归RBF神经网络结构调整过程中的精度。(3)基于DI-RRBF神经网络的出水BOD软测量模型研究。文中为了对污水处理出水BOD进行准确预测,首先通过GSA对输入变量进行特征选择,将特征选择后选取出的最优变量组合作为DI-RRBF神经网络的输入,出水BOD作为输出。之后建立基于DI-RRBF神经网络的出水BOD软测量模型。最后,将提出的出水BOD软测量模型应用于实际污水处理数据中,与其他方法进行比较,实验结果表明,所提出模型能够有效地实现出水BOD的准确预测。(4)开发出水BOD软测量智能系统。文中设计并开发了出水BOD软测量智能系统,主要包括用户管理模块、BOD软测量系统主页模块、污水处理中重要参数数据及预测曲线显示模块。该系统通过将Visual Studio 2010软件与SQL Server2008数据库相连接实现用户的注册登录以及污水中相关数据的显示功能;在BOD预测模块中,利用C#语言与MATLAB混合编程技术,通过调用DI-RRBF神经网络的MATLAB程序,实现训练和预测误差曲线的显示,实现软测量系统可视化的目标。