1.一种I‑MOEAD算法的污水处理过程优化控制方法，其特征在于，包括：利用最小二乘支持向量机对第五分区溶解氧浓度SO5、第二分区硝态氮浓度SNO2与出水总能耗OCI、出水水质EQI建立多目标优化模型；

基于多邻域策略优化所述多目标优化模型，通优化后的多目标优化模型对第五分区溶解氧浓度SO5、第二分区硝态氮浓度SNO2的设定值进行寻优，达到出水总能耗OCI和出水水质EQI之间的最佳平衡；

通过PID控制器对第五分区溶解氧浓度SO5、第二分区硝态氮浓度SNO2的最优值进行实时跟踪控制。

2.如权利要求1所述的I‑MOEAD算法的污水处理过程优化控制方法，其特征在于：建立多目标优化模型包括，

minF(x)＝{fOCI(x),fEQI(x)}其不等式约束为：

其中，minF(x)为所述多目标优化模型，x＝[SO5,SNO2]为第五分区溶解氧浓度SO5和第二分区硝态氮浓度SNO2组成的向量，fOCI(x)和fEQI(x)分别为OCI和EQI的优化目标函数表达式，SNh,e,avg和SNtot,e,avg分别为氨氮的平均浓度和总氮的平均浓度；TSSe,avg为固体悬浮物平均浓度，CODe,avg为平均化学需氧量，BOD5,e,avg为5日平均生化需氧量。

3.如权利要求1或2所述的I‑MOEAD算法的污水处理过程优化控制方法，其特征在于：出水总能耗OCI包括，

OCI＝AE+PE

其中，AE表示曝气能耗，PE表示泵送能耗。

4.如权利要求3所述的I‑MOEAD算法的污水处理过程优化控制方法，其特征在于：包括，其中，t为时间，SO.sat为溶解氧的饱和浓度，T为采样周期，t0和tf分别表示开始时间和结束时间；Vi和KLai分别表示第i个生化反应池的体积和曝气量，Qa、Qr和Qw分别表示内回流量、外回流量和剩余污泥流量。

5.如权利要求4所述的I‑MOEAD算法的污水处理过程优化控制方法，其特征在于：出水水质EQI包括，

其中，TSS表示固体悬浮物浓度，COD表示化学需氧量，SNKj表示凯氏氮浓度，SNO表示硝态氮浓度，BOD5表示5日生化需氧量，Qe表示清水排出量。

6.如权利要5所述的I‑MOEAD算法的污水处理过程优化控制方法，其特征在于：优化所述多目标优化模型包括，

将多目标优化模型分解为N个子问题，并将每个子问题的最优解构成种群；

将种群分为三个初始子种群I1、I2、I3，分别为每个初始子种群分配进化变异策略，并通过子代进化率对初始子种群的规模进行动态调整，以适应不同进化时期对进化变异策略的需求；

分析种群在迭代过程中的进化状态并结合各进化变异策略搜索的范围，为每种进化变异策略分配一个邻域，使各进化变异策略能够在当前阶段适合的邻域内进行种群优化；

其中，三个初始子种群I1、I2、I3的大小分别为u1、u2、u3，优化开始阶段使u1＝u2＝u3＝N/

3。

7.如权利要求6所述的I‑MOEAD算法的污水处理过程优化控制方法，其特征在于：进化变异策略包括，

DE/rand/1进化变异策略，其公式为：DE/best/1进化变异策略，其公式为：DE/rand‑to‑best/2进化变异策略，其公式为：其中，d目标个体的索引， 代表第p代种群中的随机个体，rk互不相等且rk≠d； 表示第d代种群中表现最优的个体。

8.如权利要求7所述的I‑MOEAD算法的污水处理过程优化控制方法，其特征在于：子代进化率包括，

利用多策略差分进化策略产生新个体，而后在其邻域内进行更新替换操作，等到当代中所有个体更新完成后，分别计算每种进化变异策略的子代进化率：其中，p1为DE/rand/1进化变异策略的子代进化率，p2为DE/best/1进化变异策略的子代进化率，p3为DE/rand‑to‑best/2进化变异策略的子代进化率，gl(l＝1,2,3)表示在当代种群进化过程中且在第l个子种群内，采用当前进化变异策略产生的新个体在其相对应的邻域内能够更新个体的次数。

9.如权利要求8所述的I‑MOEAD算法的污水处理过程优化控制方法，其特征在于：包括，当得到p1、p2和p3后重新计算种群的大小：u1'＝N×p1

u2'＝N×p2

u3'＝N‑u1‑u2

其中，u1'、u2'、u2'表示更新后的子种群大小。

10.如权利要求9所述的I‑MOEAD算法的污水处理过程优化控制方法，其特征在于：包括，

在进化过程中，需限制p1、p2和p3的范围，若p'＜pmin，则取p'＝pmin；若p'＞pxam，则取p'＝pmax；

其中，p′为p1、p2或p3，pmin＝0.15，pmax＝0.8。