氮氧化物(Nitrogen　oxides,NOx)浓度的实时检测对提高城市固废焚烧(Municipal　solid　waste　incineration,MSWI)脱硝效率具有重要意义。然而,传统的连续排放监测系统(Continuous　emission　monitioring　system,CEMS)在获得测量结果时存在时间延迟,为此提出了一种基于注意力模块化神经网络(Attention　modular　neural　network,AMNN)的MSWI过程NOx排放预测模型。首先,模拟脑网络＂分而治之＂处理复杂任务的特性,利用模糊C均值(Fuzzy　c-means,FCM)聚类算法将待预测任务划分为多个子任务,降低预测任务复杂度;其次,针对各子任务,设计一种自组织模糊神经网络(Self-organizing　fuzzy　neural　network,SOFNN)构建子网络,通过神经元增删机制和参数二阶学习算法提高子网络的效率和精度;然后,提出了一种基于注意力机制的子网络整合策略,进一步提高预测模型的泛化性能;最后,基于Mackey-Glass时间序列和北京某固废焚烧厂数据验证了文中所提预测模型的有效性和先进性。