1.一种污水处理系统测控方法，其特征在于，包括以下步骤：

1)根据对污水处理厂的水质参数的记录，统计出进水BOD、总氮、总磷、MLSS的浓度及进水流量，对应时刻的出水BOD、总氮、总磷的数据；将进水BOD、总氮、总磷、MLSS的浓度及进水流量作为输入参量，将出水BOD、总氮、总磷作为输出参量，建立神经网络，根据已有的历史监测数据，使用BP神经网络，附加动量学习规则，训练神经网络；

2)根据污水处理厂出水BOD、总氮、总磷的规定值，由遗传算法，求解神经网络的最优输入参量，即进水BOD、总氮、总磷、MLSS的浓度及进水流量；

所述遗传算法包括以下步骤：

①采用实数编码，初始化染色体，形成初始种群；

②利用适应度函数评价各代中的每个染色体；

③进行遗传操作；

④重新计算每个个体的适应值；

⑤选择好新种群后，对新种群中的最优个体进行保留，用上代的最优个体取代本代的最差个体；

⑥判断是否达到进化代数，若没有，则返回第②步，否则结束；

⑦将新种群中的最优个体的值作为和，保持不变，采用BP算法进行学习，直到满足性能指标；

3)根据上一循环神经网络估计误差判断是否需要人工采样，如需要，通过人工采样然后离线分析，对比得出实测的出水BOD、总氮、总磷与神经网络估计出的出水BOD、总氮、总磷的误差，然后将这组实测的出水BOD、总氮、总磷数据，以及神经网络估计与实测的误差数据一起，使用附加动量学习规则，更新训练神经网络；如不需要人工采样，则返回步骤2)。

2.如权利要求1所述的污水处理系统测控方法，其特征在于，先对进水BOD、总氮、总磷、MLSS的浓度及进水流量的采集数据进行数据预处理，预处理方法为先采用统计判别法的拉依达准则剔除含有显著误差的异常数据，然后进行滤波，滤波方法如下：

1)对被测参数进行滤波，即对被测参数连续采样多次，将采样值进行排序，选取中间值为本次有效采样值；

2)对被测参数进行有限脉冲响应滤波，先给定理想滤波器的频率特性Hd(ejw)；

3)计算理想滤波器的单位抽样响应，

4)设置滤波器形式、窗函数类型的参数为：采样频率fs＝150Hz，通带截止频率fp＝

5Hz，阻带起始频率fst＝15Hz，阻带衰减不小于-50dB，窗函数类型采用Hamming窗，滤波器阶数N＝30；

5)调用MATLAB函数计算滤波器系数w(n)；

6)计算所设计滤波器的单位抽样响应h(n)＝hd(n)w(n)；

7)将设计好的N个h(n)序列存入对应存储区；

8)将中值滤波结果x1作为x(n)存入对应存储区；

9)循环读取h(n)、x(n)值进行卷积运算，求得在线滤波结果