针对测量污水环境水参数化学需氧量(COD)难于测量的问题，提出了基于径向基网络的灰度理论预测模型（GM-RBF），对化学需氧量进行预测。利用灰度理论能对系统行为的发展变化进行预测的特点，结合径向基神经网络的高精度逼近能力，提高了预测模型的精度。研究了对污水处理过程关键水质参数的建模预测，实验证明该模型能以较高精度对COD进行预测，预测值最接近真实值，提供了可靠的COD参数值。

针对连续型深度信念网(Continuous Deep Belief Network，CDBN)隐含层层数难以确定的问题，提出一种基于重构误差的CDBN网络深度确定方法。多个连续型受限玻尔兹曼机(Continuous Restricted Boltzmann Machine，CRBM)叠加构成CDBN。通过分析CRBM的重构误差与CDBN网络能量的相关性, 设定重构误差阈值并设计网络深度决策机制，实现对CDBN隐含层层数进行自组织调整。仿真实验验证，基于重构误差的CDBN网络深度确定方法能够对CDBN的最优隐含层层数进行确定，有效提高了网络深度决策的效率。

针对差分进化算法DE 传统变异策略不能有效平衡全局搜索和局部搜索，并且算
子固定，导致算法早收敛、搜索效率较低。基于DE 变异策略性能，提出一种混合变异策略，
力图平衡算法探索和开发能力，使得前期增强全局搜索，保持种群多样性; 后期偏重局部搜
索，尽快收敛到全局最优值。同时操作算子采用随机正态缩放因子F 和时变交叉概率因子CＲ，
进一步改善算法性能。几个典型Benchmarks 测试函数实验表明: 该改进型差分进化算法能有
效避免早收敛，较好地提高算法的全局收敛能力和搜索效率。