最近幾十年，利用類神經網路(artificial neural network)及模糊邏輯控制 (fuzzy logic control)的理論及技巧應用在非線性與不確定性的推估、預測等領 域。本研究以唐文偉君的博士學位論文「高濃度難降解有機廢水(乳化液廢水 等)濕式氧化研究」的過程與結果的實驗數據為對象，以監督式之倒傳遞（Back Propagation)類神經網路的學習與識別機制，作為網路變數之篩選，求取學習 (learning)與測試(testing)筆數比例分別為33∶8(4∶1)及34∶7(5∶1)等二種， 並使用交叉驗證法求得網路的最適化參數，建構完整之網路架構做為鑑定主 要控制變數的工具。 以濕式氧化法處理高濃度有機廢水，由Pearson分析法以輸出入變數之間 的相關係性，對COD去除率及TOC去除率分別建立七種實驗計畫及五種實 驗計畫，網路架構之輸入層為七項操作變數，隱藏層採用一層及1～10個處 理單元，輸出層為去除率。COD去除率以計畫四(輸入變數為COD濃度、TOC 濃度、溫度、攪拌速率)學習/測試資料筆數比例4∶1及5∶1之R值為0.964及 0.960，已有不錯之預測能力。 TOC去除率以計畫三(輸入變數為COD濃度、 TOC濃度、溫度、氧分壓、時間)學習/測試資料筆數比例4∶1及5∶1之R值 為0.993及0.978，可以鑑定出主要控制變數對去除率成效預測能力之相當佳。 再者，對COD去除率及TOC去除率，將七個輸入(控制)變數語意化，利 用高斯歸屬函數，模糊規則，及輸入/輸出模糊化圖形，模糊推論其結果為COD 去除率預測值較實驗值之平均殘差為-3.05％；TOC去除率之平均殘差為+4.11 ％。並以此模糊控制推論於石化廢水、紡織廢水及電鍍廢水之COD去除率， 其預測值與實驗值比較，平均殘差分別為-5.75％、4.73％及-1.16％。驗證本 研究對於高濃度難降解工業廢水濕式氧化處理可先應用類神經網路鑑定主要 控制變數，再以模糊控制預測處理成效，其預測結果皆不錯。 關鍵字：濕式氧化處理、類神經網路、模糊控制、預測模式