在城市污水处理过程中,污水处理设备故障会导致生产停滞,从而造成一系列的经济损失,因此污水处理设备的持续有效运行十分重要。然而当前研究大多针对城市污水处理单设备的故障预警,多设备预警由于其数据高耦合性,算法高复杂性而难以实现。基于此,文章提出一种基于经济指标与极端梯度提升树(economical-extreme　gradient　boosting,　E-Xgboost)的污水处理多设备预警模型,确保多设备预警的经济性与准确性。首先,通过经济指标分析数据,以降低预警成本,后结合偏最小二乘法(partial　least　squares,　PLS)提取特征变量,并对数据进行标签化处理,以实现数据解耦。其次,利用极端梯度提升树算法,学习数据特征,识别异常数据组。然后,将识别出的异常数据组输入预警分类器,分类器按照数据标签发出对应预警信号。最后,将污水处理过程多设备预警模型应用于实际污水处理过程中,验证所提出的方法能够准确的进行设备故障预警。