本文主要研究神经网络对自来水厂混凝沉淀过程的建模。 首先，介绍了混凝沉淀过程的机理和相关知识，提出了建立模型的必要性，并对该采用何种方法对混凝沉淀过程建模作了分析和讨论，提出了利用神经网络对过程进行建模的观点。 接着，对神经网络的相关知识进行了介绍，对训练样本进行了数据标准化，并确定了神经网络的结构。应用最速下降法、动量MOBP算法、可变学习速度的VLBP算法、牛顿法、共轭梯度法、LMBP算法分别对神经网络进行训练，从收敛情况，性能指数等方面对这些算法的特点进行比较分析。 接着，对已训练好的网络进行了是否有违背先验知识的检验，发现虽然网络的性能指数很小，真实值与目标很接近，但出现了违背先验知识的现象，由此提出了具有先验知识的网络。结合最优方法中的惩罚函数，利用已知对象的先验知识，把先验知识通过惩罚函数的方法加入到神经网络的性能函数当中，从而使训练过程体现先验知识的约束作用，使最终所得模型不违背先验知识。仿真表明，利用该方法训练所得模型不违背先验知识，模型可靠程度更高，其中约束条件重要性程度由惩罚因子的大小决定。同时表明，加入先验知识后的网络并不能提高逼近目标的能力，但却能提高泛化能力。最后，对当前智能控制方法的研究进展进行介绍，并对其应用到混凝投药控制的实际应用中进行了展望。