[目的]出水总氮检测在监测污水处理厂超标排放和预防水质富营养化中发挥了重要的作用,但仍存在精度低,实时性不强的问题.为解决城市污水处理过程出水总氮难以在线精准检测的问题,提出了一种基于敏感性分析的区间二型模糊神经网络(SA-IT2FNN)出水总氮软测量方法.[方法]采用敏感性分析法(Sensitivity　Analysis,SA),选取与污水处理过程出水总氮关联性较强的主元变量.然后,将所选的关键主元变量作为IT2FNN的输入变量,通过训练模型参数建立出水总氮软测量模型.[结果]仿真结果显示:对于冬季数据集,SA-IT2FNN选取6个、8个、10个主元变量进行预测时,训练时间分别为　6.2　s、7.8　s、9.7　s;均方根误差(Root　Mean　Square　Error,RMSE)分别为　0.44、0.35、0.33.另外,SA-IT2FNN选择8主元变量预测时,夏季和冬季对应的测试RMSE分别为0.38和0.39.[结论]结果表明:SA通过对模型的输入变量降维,有效提高了模型的预测效果;基于IT2FNN的总氮软测量模型在不同工况下都能够保证预测精度,具有较好的学习和预测能力.研究成果展示了人工智能在总氮检测中的独特作用,为污水处理出水指标高精度检测提供了有效的方法.