工业生产中不可避免的泄漏事故使地下水受到苯系物污染的潜在威胁。纳米零价铁(nZVI) 活化过硫酸钠 (PS) 的原位化学氧化法是近年来引起业界广泛关注的一种修复方法， 由于地下水污染的复杂性和隐蔽性，在修复工程前进行预测和评价对于提高效率和避免浪费尤为重要。本研究分别采用Box-Benkhen设计方法的响应面法 (BBD-RSM) 和改进的BP人工神经网络 (BP-ANN) 建立了预测地下水中苯降解的经验模型，通过不同的评价参数对模型的准确性和性能进行了评价，并进一步建立了基于降解过程的降解动力学模型。结果表明，在模拟nZVI 活化PS降解0.25 mM 的苯污染地下水过程中，RSM和ANN均表现出较强的拟合能力，决定系数 (R2 ) 分别达到0.948和0.980。RSM预测数据显示,当微宇宙实验反应条件为：1.45 mM PS, nZVI剂量为体系中Na+ 含量的4倍、pH值3.9、体系温度为21.9℃时,系统中的苯可以被完全降解。与RSM相比，神经网络建模方法具有更强的非线性拟合能力，并获得了更优异的预测性能。隐藏层的结构和包含在每一层神经元的数量直接影响神经网络的预测精度,通过经验法则下的测试我们发现隐藏层的结构为[8-8]时,神经网络的评价指标达到最优水平，此时，模型的RMSE值、MAD值以及MAPE值分别为0.909，3.061和0.157。此外，本研究涉及的降解体系符合Type-2型伪二级动力学模型，R2 可以达到0.999。本研究提出的基于结果的统计建模与优化方法可以为场地修复工程参数的确定提供新的信息和途径，对各种场地条件和工业过程的参数设计和建模模拟具有重要的参考价值。