در این مطالعه، از پایلوت آزمایشگاهی دستگاه شناورسازی با هوای محلول( daf ) و منعقدکننده پلی- آلومینیوم کلراید (pac) جهت تصفیه پساب پالایشگاه کرمانشاه استفاده شده است. هدف حذف برخی از مواد آلاینده پساب و بهینه سازی پارامترهای موثر بر بازده این واحد است. آزمایشات ابتدا در مقیاس ناپیوسته انجام شده (جهت بررسی دستگاه daf )؛ سپس جریان برگشتی نیز به این دستگاه اضافه شده است. پس از انجام آزمایشات نهایی راندمان حذف کدورت و cod بترتیب 74% و6/68% بدست آمده است؛ که این مقادیر در پالایشگاه بترتیب61% و 58% بدست آمده اند. سپس داده های حاصل از تست cod با استفاده از شبکه های عصبی مصنوعی (ann) و سیستم فازی- عصبی (anfis) مدلسازی شده است. در مدل شبکه عصبی از یک شبکه feed forward پس انتشار دولایه با هفت نورون در لایه میانی وتوابع انتقال tansig و purelin به ترتیب در لایه ورودی و پنهان و الگوریتم levenberg-marquardt (lm) استفاده شده است. در مدلسازی توسط شبکه عصبی ضریب همبستگی (r2) و میانگین مربعات خطا (mse) به ترتیب 989/0 و 3-10×07/1 بدست آمده است در صورتیکه متغیرهای ضریب همبستگی (r2) و مجذور میانگین مربعات خطا (rmse) در سیستم فازی- عصبی به ترتیب 997/0 و 44/1 بدست آمده است که این نشان دهنده این مطلب است که مدل سیستم فازی- عصبی برای پیش بینی داده های حاصل از تست cod در واحدهای شناورسازی مناسبتر است. در نهایت پس از انجام آنالیز حساسیت روی داده ها، میزان تأثیر پارامترهای ورودی روی متغیر خروجی بصورت زیر بدست آمده است. زمان شناورسازی< دوز منعقد کننده< فشار< دبی.