污泥膨胀现象机理复杂，影响因素众多，难以控制，发生率高，采用活性污泥法的污水处理厂几乎都存在污泥膨胀现象。活性污泥系统具有高度非线性、大滞后性、时变和不确定性等特点，很难建立传统的数学模型，并且污泥膨胀的关键参数污泥容积指数（Sludge Volume Index，SVI）难以在线测量。必须通过建立污泥膨胀软测量模型实现关键水质参数的检测。基于人工神经网络的软测量建模方法近年来应用广泛，能够建立复杂系统的精确模型。针对活性污泥系统复杂的动态特性，基于递归神经网络建立其关键参数的软测量模型，递归神经网络能够逼近任意非线性函数，处理动态信息的能力强。该模型能够很好的模拟活性污泥系统的动态变化过程，实现关键水质的在线预测。本文主要的研究工作包括以下几点：1.深入研究了污泥膨胀的沉降性能指标及影响因素，针对SVI难以在线检测的问题，对影响SVI的主要因素从进水水质和反应器环境两方面进行了分析。基于monod方程结合ASM1和微生物的生长机理及曝气池机理建立活性污泥法的数学模型，为接下来预测模型的提出和改进提供重要的理论依据。在对污泥膨胀现象进行机理分析和深入研究软测量技术的基础上，采用神经网络进行软测量建模，软测量模型的建立步骤包括：辅助变量的选取，数据的采集和预处理，样本数据的主元分析，最后完成SVI软测量模型的结构设计。2.在深入研究模糊神经网络结构和污泥膨胀特性的基础上，对递归模糊神经网络结构进行改进，通过在规则层引入带内部变量的自反馈连接，获得了一种新型的改进递归模糊神经网络HRFNN。反馈环节的设计增强了网络处理动态信息的能力，更加符合污水处理复杂动态系统的特性。将新型网络应用于SVI的软测量建模中，并与其他模糊网络进行比较，HRFNN具有网络结构小，网络泛化能力强，学习能力强，训练精度高等优点。3.针对传统递归模糊神经网络的结构设计中存在的问题，研究了具有自组织功能的递归模糊神经网络，提出了一种新的递归模糊神经网络结构优化算法，采用规则激活强度作为规则增加的判断依据，模糊集的增加机制避免冗余模糊集的问题，采用梯度下降法进行模型中所有参数的学习。通过动态系统辨识实验与其他模糊网络的结构优化算法比较，仿真结果表明该结构优化算法不仅有效而且模型结构简单，泛化能力强，性能优越。4.在污水处理建模中应用新型自组织递归模糊神经网络SOHRFNN，来预测关键水质参数，通过仿真证明了该模型的有效性，并与递归模糊神经网络HRFNN作比较，该模型表现出更加良好的性能。