作为污水处理过程出水水质重要参数，生化需氧量(Biochemical Oxygen Demand，BOD)的准确、实时的监测成为研究人员一直以来追求的目标。然而污水处理系统总是运行在非平稳状态，同时受制于传感器和检测仪表的精度、测量滞后以及环境污染等因素，BOD的高品质在线实时测控难以实现。为了实现BOD的实时测量，文中提出一种基于敏感度分析法的自组织随机权神经网络(Self-Organizing Neural Network with Random Weights，SONNRW)算法，并在分析污水处理过程相关影响因素的基础上，将其应用于污水处理BOD软测量中，实验结果表明，该软测量方法能够保持较高预测精度的前提下，获得紧凑的网络结构和快速的训练速度。　　该论文主要研究工作包括以下几点:　　1.基于污水处理过程机理分析和运行数据，提出一组适用于BOD软测量模型的辅助变量。辅助变量的选取是BOD软测量模型的关键步骤。文中通过研究污水处理过程微生物活动及影响因素，分析污水处理系统机理模型，总结出与BOD相关性较大的10个变量;同时，采用主元分析法对初步确定的10个变量分析，最终确定了BOD软测量模型的辅助变量，由化学需氧量COD、溶解氧浓度DO、酸碱度pH、固体悬浮物浓度SS组成。　　2.针对随机权神经网络结构难以在线调整的问题，设计出一种基于敏感度分析的自组织随机权神经网络。根据敏感度分析方法计算每个隐含层神经元对于网络输出的敏感度，根据敏感度大小对其排序，删除敏感度较小的神经元，并使用权值横向平均传播的方法更新被保留节点权值。非线性系统建模的实验结果表明，提出的自组织随机权神经网络结构紧凑且具有良好的逼近效果。　　3.以所选变量COD、DO、pH、SS为辅助变量，所设计自组织随机权神经网络SONNRW为网络模型，建立了一种基于自组织随机权神经网络SONNRW的BOD软测量方法，解决了BOD的实时准确测量问题。使用污水厂真实数据进行实验，结果验证了所建立BOD软测量方法的有效性。　　4.开发了一套基于安卓的BOD软测量软件系统。本系统充分利用Eclipse Java SE强大的开发功能，搭建服务器端，开发客户端，结合自组织随机权神经网络，建立BOD软测量系统，提供污水关键水质信息预测功能，可随时方便污水处理厂工作人员、环保督查人员及科研人员等对使用其他易测参数数据对BOD进行实时预测。