本发明提出一种基于广义值迭代的污水处理过程控制方法，用于解决溶解氧浓度和硝态氮浓度的最优跟踪设计问题。本发明通过任意一个半正定的函数进行初始化而不必须为零，其中参数λ能够从未来的多个回报中学习从而加速学习过程。在GVI(λ)算法框架下，引入三个神经网络分别用于近似两种代价函数和跟踪控制律，给出基于神经网络的代价函数和跟踪控制律更新公式。在迭代算法执行过程中，建立一个新的停止准则来终止算法，从而保证系统的稳定性和跟踪控制律的最优性。实验结果表明，这里提出的GVI(λ)算法能在保证系统稳定性的前提下，有效地控制溶解氧浓度和硝态氮浓度。