废碱液是石油化工行业排放的含有高浓度COD、硫化物和挥发酚的高毒碱性废水,本文皆在找寻一种效果好且比较经济的,在常温常压条件下对废碱液进行处理的方法。本试验采用硫酸亚铁(FeSO4)、三氧化二铁(Fe2O3)和二氧化锰(MnO2)的混合物为催化剂在常温常压下对废碱液进行催化氧化,使大部分的硫化物(S2-)氧化成硫代硫酸盐(S2O32-)、亚硫酸盐(SO32-)和硫酸盐(SO42-),挥发酚组分氧化为二氧化碳(CO2)和水(H2O)或其它中间产物,从而COD浓度有一定程度的降低。考察了影响去除率的各种因素,试验结果表明:在反应温度为65℃,酸碱度PH为10.5,反应时间为40h,催化剂FeSO4、Fe2O3和MnO2各为1.5g/L等条件下,酚的去除率可达到89%以上,S2-的去除率可达99%,COD的去除率可达68%,催化剂再生后可循环使用,满足处理要求。本文根据人工神经网络理论,针对废碱液处理模拟预测的特点,提出了基于反应温度T、反应时间t、各催化剂投加量m和PH值4个参数的废碱液处理模拟预测BP神经网络模型。本文以MATLAB为计算平台,用神经网络工具箱对模型进行训练,通过对BP模型预测结果与实测值比较表明:训练稳定后的BP网络模型对废碱液处理效果的预测推断具有很好的精度, COD和苯酚的BP网络模拟结果与实测值相对误差最大值分别为7.3052%和8.0075%,均不超过10%,误差在可接受范围内,模型较令人满意。