本文在前人研究过的ASM1和ASM1-CN的基础上,建立了一种简化的机理模型(SPM)。相对于其他模型来说,该简化模型结构更加简单,参数更少,实际应用起来也更加方便。另外,由于污水处理过程中,鼓风机的风量控制是节约成本的一个重要的因素之一,所以,在该简化模型中加入了风机的风量控制过程,根据曝气池里面的溶解氧的浓度来进行调解鼓风机的风量,可以节约水厂的运行成本。简化模型是在以前复杂模型的基础上改进而来,模型中不可避免的会用到跟以前模型相同的参数,但参数值的大小应该重新确定,所以,在简化模型使用之前,要根据实际运行数据通过遗传算法(GA)对其参数进行优化。污水处理的是一个十分复杂的微生物反应过程,其中包含有许多未知因素,包括不同的操作工况、天气、进水状况等,单纯数学模型的预测肯定会存在一定的误差。基于神经网络的非线性拟合能力,所以,本文采用神经网络来对机理模型进行偏差校正,建立了一种混合软测量模型。混合模型的基本实现步骤如下:1.用已经建好的机理模型来对实际过程进行预测,求得预测值跟实际值(采样值)的偏差;2.选用合适的神经网络,并根据现有数据的情况进行选择,确定神经网络各层的节点数;3.根据实际情况选择神经网络的输入向量,步骤1中所得误差作为网络的输出,对神经网络进行训练,得到由机理模型和神经网络组成混合模型;4.对于现场新来的数据,分别输入机理模型和神经网络部分,两者的输出之和即为混合模型的预测值。仿真结果显示,该混合模型对实际过程具有很好的拟合预测效果,特别是对实际处理时间地预测,节约了成本,增加了处理量,说明了这种混合软测量方法(SPM+GA+NN)的准确性和可应用性。