泛函网络是由西班牙学者Enrique Castillo于1998年提出的一种建模方法,是对神经网络的一种延伸与推广,在诸多领域得到了广泛的应用,并且都表现出较好的性能。本文对泛函网络进行深入探索和研究,将泛函网络建模方法与神经元分裂、调整机制及AIC准则进行有机融合,旨在针对非线性系统预测问题设计高效的非线性预测模型,并将其应用于预测污水处理厂入口Pb、Zn、Cd离子浓度和流量。论文从泛函网络基函数选择的角度和泛函网络结构优化出发,针对目前泛函结构和基函数都是通过人类专家根据经验知识来做出判断,而泛函网络的结构和泛函参数往往很难由人工确定这一问题进行了研究。文中通过建立标准基函数池,利用神经元分裂机制和神经元调整机制来选择泛函网络模型的基函数进而确定泛函网络的结构形式,同时利用AIC准则来评价并确定泛函网络结构,选择最佳佳的泛函网络结构,为传统的泛函网络模型提供了一种新的模型和办法。最后,将基于改进泛函网络的预测模型应用于污水处理厂入口Pb、Zn、Cd离子浓度和流量的预测,同时与递推最小二乘预测方法和BP神经网络预测方法进行比较。通过对比分析可以看出,基于泛函网络的预测模型预测污水处理厂入口离子浓度和流量的相对误差更小、预测精度更高,能更好地用于指导污水处理过程。