摘要：针对污水处理过程中出水生化需氧量(BOD)难以在线准确测量的问题,提出一种基于随机森林(RF)重要性评估与改进海鸥算法(ISOA)优化长短期记忆神经网络(LSTM)相结合的软测量方法对出水BOD进行预测.利用随机森林算法对影响出水BOD的预测因子进行重要性评估,筛选出重要性评分较高的预测因子作为软测量模型的输入变量;设计一种基于改进海鸥优化算法(ISOA)优化LSTM网络的软测量模型,引入混沌映射与新的搜索机制克服海鸥优化算法多样性差、易陷入局部最优等问题,利用改进的海鸥优化算法对LSTM网络的迭代次数、隐含层节点数、初始学习率、学习率下降因子4个超参数进行优化.将软测量模型运用于实际污水处理过程,结果表明:经随机森林筛选变量以及改进海鸥算法优化之后,模型预测误差变小,预测精度有明显提高,能够实现对出水BOD的精准预测.