饮用水是人们生活中不可或缺的必需品，饮用水水质关系着人们的生活品质。随着国内经济的蓬勃发展，人们生活水平不断提高，饮用水水质也成为人们越来越关心的问题，同时经济的快速发展带来了环境的污染，导致原水水质下降，给引用水生产带来了更大的挑战。国内外越来越多的学者开始对水处理过程进行研究，目前主要研究的内容有混凝沉淀过程建模和混凝投药控制。本文主要围绕以下两个问题展开研究:一、由于水处理过程具有大时滞，多扰动等特性，对实际系统进行研究时，实验过程漫长，研究效率低且成本较高。二、模型预测控制已经普遍应用于混凝投药控制的研究中，然而模型失配问题仍是制约控制器性能进一步提高的关键因素，所以获得一个与实际过程匹配的预测模型至关重要。以下是本文主要工作:　　本文通过对水处理中混凝沉淀过程机理进行分析，根据系统特点和物料守恒原理对系统进行机理建模。模型包括混合、絮凝和沉淀三段，反映了原水流量、原水浊度、混凝剂量与沉淀池出水浊度之间的关系。基于所建模型，仿真分析了原水浊度在不同值时发生突变对沉淀池出水浊度的影响，以及添加不同混凝剂量时沉淀池出水浊度的变化。研究表明该模型可以辅助给水处理过程混凝投药控制的分析，大大缩减了实验时间，提高了研究效率，节约了研究成本，同时对进一步认识混凝沉淀过程的机理有现实意义。　　本文采用基于多模型插值的LPV模型辨识方法和目前在水质预测中应用最为普遍的BP神经网络模型分别对混凝投药系统进行模型辨识，并针对LPV模型辨识过程中出现的模型不收敛问题进行了分析并给出改善的建议，最后对辨识得到的LPV模型和BP神经网络模型进行验证并将验证结果进行了比较，结果表明了基于多模型插值的LPV模型辨识方法在水质预测应用中的有效性。