本文分析了SBR污水处理工艺中降解有机物、硝化与反硝化、除磷等过程对出水水质有影响的工艺参数及其相互关系；提出利用其中能在线检测、响应快，又与出水水质密切相关的工艺参数，作为BP神经网络的输入参数对SBR污水处理出水水质参数进行预测的方法。 在对BP神经网络的训练中，使用参数自适应的方法实现了学习速率、惯性因子的自我调节，以避免系统误差陷入局部最小，加快网络的收敛速度。提出了优化BP网络结构的实验研究方法，并给出有关隐含层数和节点数的选择、样本数据的预处理以及网络训练的方法。将该算法同传统BP算法比较，逼近精度及泛化能力均得到了极大的提高和改善。本文还讨论了该算法的C++实现方式并研究了以组态软件WinCC为平台，将这种神经网络预测模型应用于所参与的海宁市污水处理工程控制系统中。最后用污水厂试运行期间获得的部分样本数据对预测模型进行训练和测试，并对试验结果进行了分析和讨论，证明运用神经网络对SBR污水处理出水水质预测的方法是可行的。