近年来,随着社会的快速发展,水污染问题愈发严峻,而水体富营养化是导致水污染的重要原因,水体富营养化会破坏生态环境,影响人类健康,因此避免水体富营养化是我国城市污水处理厂建设的主要目标之一。由于水体富营养化的机理过程复杂,影响因素众多,难以建立其精确的数学预测模型,致使水体富营养化难以预防,而水中氨氮的含量是水体富营养化的关键参数,其值大小可以用来评价水质,预防污染。因此,为了实现污水处理厂出水氨氮的实时测量,文中提出了一种基于密度聚类自组织RBF神经网络的出水氨氮软测量模型,实现了出水氨氮的及时、准确预测。本文主要的研究工作包括以下几点:1.基于污水氨氮处理过程的机理分析与数据处理,确定了出水氨氮软测量模型的辅助变量。辅助变量的选取是建立出水氨氮软测量模型的关键,本文通过对活性污泥法中生物脱氮过程的机理分析及实际污水处理厂可测量变量,总结出与出水氨氮相关的7种辅助变量,在对数据进行归一化处理后,利用主元分析法对初步的7种辅助变量进行了去相关性处理,最终将出水氨氮软测量模型的辅助变量维数由7维降为5维。2.针对RBF神经网络结构参数难以确定的问题,设计出一种密度聚类自组织RBF神经网络。该密度聚类算法以某个样本点密度值大小及样本间的欧氏距离为条件进行RBF神经网络结构的自组织调整,从而实现网络结构的确定,并利用梯度下降算法对网络参数进行训练,确定最终的RBF神经网络结构及参数。非线性系统逼近实验表明:所提出的自组织机制能够优化RBF神经网络结构,提高了网络预测精度。3.建立了一种基于密度聚类自组织RBF神经网络的出水氨氮软测量模型,解决了出水氨氮在线测量精度不高的问题。将提出的密度聚类自组织RBF神经网络应用于出水氨氮的软测量模型中,由于密度聚类自组织RBF神经网络能够根据样本数据的特点进行网络结构的自组织调整,使得建立的软测量模型更接近实际的污水处理过程,实验结果验证了所建立的出水氨氮软测量模型的有效性。4.开发了一种出水氨氮软测量平台。该平台主要包括用户注册及登录模块、数据处理模块、模型训练及预测模块。首先,利用LabVIEW 2012软件编写了平台操作界面,主要集合了模型选择、参数设置等功能;然后利用Access 2013数据库和Matlab R2012a软件编写了后台运行程序,以实现用户信息存储及软测量模型调用;最后,通过用户信息、数据处理、模型调用等模块间的信息传输,实现出水氨氮软测量过程的可视化。