水是生命之源,但在世界范围内各种水资源正遭受着不同程度的污染。污水处理是解决水污染的主要途径。将曝气生物滤池与前置生物膜脱氮技术相结合组成的前置生物膜脱氮污水处理系统,不仅能够有效降解有机物,还能最大限度的去除污水中的含氮量。然而曝气系统能耗大,运行成本高,若能对出水COD浓度进行预测建模,可以减少测量传感器的使用,且有助于污水处理系统的自适应调节,进而降低系统能耗,节省开支。本文依托与某环保科技公司联合承担的安徽省重大科技攻关项目,以ABAF/OBAF前置生物膜脱氮污水处理工艺及其应用项目为基础,建立对出水COD浓度的预测模型。一方面,在物料守恒原理和Monod方程的基础上,依据采集数据和参数经验值确定有机物降解模型数学表达式。考虑到污水中不确定因素的随机干扰,采用随机过程理论对降解模型进行改进,建立对应的模型微分方程并求解,确定最终模型表达式,进而得到出水COD浓度的预测轨迹。另一方面,在贝叶斯理论和极大似然估计的数据融合思想上,建立基于高斯过程的出水COD浓度预测模型,并结合主成分分析法对模型输入参数初值进行设定,最后用Matlab编程软件验证模型的预测效果。对比以上两个模型的预测结果,得出结论:基于数据融合的高斯过程预测模型的预测效果更加接近实际测量值。