针对污水处理中某些参数难以在线测量的情况，对建立污水处理过程控制参数及水质参数的软测量模型进行了研究，为进一步实现污水处理过程的参数在线检测和自动控制创造了条件。本文在介绍了软测量、数据处理等基础知识的基础上，分析了各种常用的软测量模型，重点分析了支持向量机。并且运用这种方法对一些难以在线测量或测量成本昂贵的污水处理参数(例如TN)建立了软测量模型。应用主元分析(Principal Component Analysis简称PCA)，粗糙集(Rough Sets简称RS)以及两者相结合的方法对模型输入数据进行预处理。Matlab仿真结果表明：该模型取得了较好的效果，比基于BP神经网络的软测量模型更加有效。论文主要内容：1．介绍软测量技术和污水处理过程，研究了各种软测量建模方法。根据它们的适用范围和污水处理系统的特点，重点对两种常用的模型——神经网络和支持向量机做了介绍，分析他们的优缺点。2．由于污水处理系统的数据中的误差及线性相关性可能会影响软测量模型预测的精度，以PCA、RS及RS-PCA对模型数据输入进行预处理。PCA方法可以去除数据的线性相关性以及降低输入数据的维数，从而降低误差数据影响；RS方法可剔除冗余变量同时起到降维作用，从而提高模型的性能。二者均可使模型结构简化并提高模型的预测效果，但RS方法还减少了需要检测的输入变量不过RS方法不能起到PCA方法可以去除数据之间的线性相关性的作用。而采用RS-PCA则结合两者的长处。3．以某污水厂的实测数据为例，检验所提出的模型的有效性。针对该污水厂的难以在线测量(或在线仪表昂贵)的变量TN、TP及SVI，分别以不同的方法(SVM、PCA-SVM、RS-SVM、RS-PCA-SVM、BP、PCA-BP、RS-BP、RS-PCA-BP)建立了相应的软测量模型，并对各模型测量效果做了详细比较，选出一理想模型作为最终理想模型。4．根据建立的污水处理软测量模型，对基于集成控制器的污水处理软测量系统进行了方案设计。