污水处理是近一、二十年主要研究的一个问题,它对环境保护具有重要的意义。在一些污水处理厂,确定污水是否达标排放的主要依据就是通过测量污水水质参数从而与国家标准相对比。影响水质的参数有很多,大部分都可以利用传感器搭配处理器直接进行测量,如酸碱度、温度等参数,但依然有一些数据无法通过此种方式获得,它们只能在实验室通过对水样进行培养一段时间才能获得。这样显然无法满足我们需要及时获得水质参数从而有效排放污水的要求。因此本文重点研究如何通过间接测量的方式来提高污水处理的性能。本文采取了软测量这种方法。由于水质参数生化需氧量BOD的化验结果取得时间太长,因此为了实时的监控污水的排放,本文采用对生化需氧量BOD进行软测量建模,软测量建模方式有很多,传统方式的实验室化验法其实就是按照其机理特性来检测,而本文通过一些可以迅速获得的数据来对生化需氧量BOD进行建模,采用神经网络的方式,并且为了提高模型的精度,采用一些算法对模型进行优化。本文采用标准遗传算法与改进型遗传算法分别对其优化,并通过优化结果确定算法的有效度。因为本文主要研究软测量传感器,这是一种可以替换传统实体传感器的虚拟传感器。因此本文利用LABVIEW虚拟仪器与MATLAB进行结合,采取了两者的共同的优点,构建了一个软测量传感器,从而替代常规的化验仪器。