催化湿式氧化法是一种处理高浓度有机废水的有效方法,其处理效果主要受原液浓度、催化剂特性、反应温度、反应时间、氧分压等因素的影响。Mn-Ce催化剂在很多催化湿式氧化反应中显现出很高的催化活性,催化剂制备过程中影响催化剂活性的主要因素包括焙烧温度、焙烧时间及金属配比等。本文利用多元非线性回归和人工神经网络方法对Mn-Ce催化剂的制备及催化湿式氧化降解正丁酸的升温、恒温过程分别进行模拟,并综合考虑实验成本及降解效果约束,结合相应的优化算法对反应条件进行优化。对比发现,在Mn-Ce催化剂制备及催化湿式氧化的恒温反应过程中,人工神经网络相比非线性回归方法优化效果更理想,并将其应用到间硝基苯磺酸钠催化湿式氧化降解条件优化的研究中:带成本约束的降解条件优化无论是从降解效果还是成本上都起到很好的优化作用。人工神经网络及非线性回归方法均可以帮助实践较快寻求到经济性的最优条件,起到减少浪费、节省时间的作用,对指导实践有着重要的意义。