کنترل و بهره برداری مناسب از تصفیه خانه های فاضلاب، با توجه به کمبود منابع آب در دنیا و افزایش حجم فاضلاب ها، ضروری است. مدلسازی فرآیند تصفیه، ابزاری ضروری برای اطمینان از عملکرد مناسب و کنترل بهتر تصفیه خانه های فاضلاب می باشند. هدف از این تحقیق مدلسازی شبکه عصبی مصنوعی از عملکرد یک بیورآکتور غشایی تصفیه فاضلاب و انتخاب مناسب ترین شرایط عملیاتی می باشد. بدین منظور از داده های آزمایشگاهی مربوط به یک پایلوت بیوراکتور غشایی استفاده شده است. در طراحی شبکه، از دو سوم داده ها برای آموزش شبکه و یک سوم داده ها برای ارزیابی دقت مدلسازی استفاده گردید. به منظور آموزش شبکه، تعداد بهینه نورون های لایه میانی و توابع انتقال مناسب انتخاب شدند. در تعداد نورون های بهینه 20 و تابع انتقال satlins برای لایه پنهان و purelin برای لایه خروجی، کمترین میزان خطا مشاهده شد. نتایج مدلسازی بیانگر آن است که تطابق بسیار خوبی بین داده های آزمایشگاهی و نتایج مدلسازی برقرار است که این نشان دهنده آموزش مناسب شبکه می باشد. واژه های کلیدی: فاضلاب- مدلسازی- شبکه عصبی مصنوعی- بیورآکتور غشایی