活性污泥法是处理城市污水最为广泛使用的方法之一，活性污泥能从污水中去除溶解性和胶体状态的有机物以及能被活性污泥吸附的悬浮固体；同时活性污泥也能去除一部分磷素和氮素。然而，由于各种活性污泥工艺都会发生污泥膨胀现象，并且污泥膨胀发生率高、危害严重等，污泥膨胀给污水处理过程带来了巨大的影响，也给城市污水处理带来了巨大的经济损失。因此，预测污泥膨胀显得尤为重要。表征污泥膨胀的参数主要是污泥溶剂指数(SVI)，由于污水处理机理复杂、系统高度非线性，具有时变、不确定性等特点，传统的数学建模无法对SVI进行在线预测。因此，论文通过深入分析污泥膨胀形成特点，提出一种基于PSO-RBF神经网络的SVI软测量模型，该软测量模型可以建立SVI与系统过程变量之间的关系，利用自学习和自适应能力强的PSO-RBF神经网络实现了SVI值的高精度预测，为污水处理过程的SVI在线检测和自动控制创造了条件。论文的主要研究工作和创新包括以下几点：(1)建立了一种SVI智能软测量模型，针对污泥膨胀形成特点，通过确定影响SVI的因素，利用粗糙集对影响因素进行约减，并且用RBF神经网络建立了SVI的软测量模型。(2)提出了一种基于PSO-RBF神经网络的SVI软测量方法，为了提高SVI软测量软测量模型的精度，提出来一种PSO-RBF神经网络，利用非线性变化权值对的粒子群对RBF的权值、中心、宽度进行优化；同时，为了避免粒子陷入局部最优，根据神经网络的特点，结合变异思想，进一步改进粒子群算法，提出一种改进的粒子群算法，并且使学习因子按照非线性变化，提高了PSO-RBF神经网络的性能。(3)利用Visual Studio(VS)和MATLAB开发工具开发了一套SVI软测量仿真软件，借助VS中WPF提供的同样编程模型、语言和框架，设计并实现了具有多媒体交互特性的用户图形界面，为SVI在线预测提供了一个有效的工具。