مدلسازی تصفیه خانه فاضلاب صنعتی به دلیل مشخصات ذاتی و غیر خطی اغلب فرایند های مختلف تصفیه ، دشوار است. به دلیل افزایش روزافزون نگرانی ها در مورد اثرات زیست محیطی تصفیه خانه ها با توجه به ضعف بهره برداری، نوسانات متغیرهای فرایندی و مشکلات آنالیزورهای بر خط، الگوریتم های توسعه یافته کنترل فرایند با استفاده از روش های هوش مصنوعی مانند شبکه های عصبی مصنوعی توجه زیادی را به خود جلب کرده است. در این تحقیق از شبکه عصبی چند لایه پرسپترون ( mlp) برای ارزیابی و پیش بینی متغیرهای cod، tss و n-nh خروجی تصفیه خانه مبین با استفاده از مقدار این متغیرها در ورودی تصفیه خانه درکنار ph ورودی استفاده شده است. به این منظور شبکه های متعددی با تعداد متفاوتی از: ورودی ها، تقسیم بندی داده ها، تعداد نرون های لایه پنهان و توابع فعالسازی مختلف ایجاد شد تا بهترین شبکه یافت شود. به علاوه در این کار شاخصی با عنوان "درصد عملی صحت خروجی پیش بینی شده" برای ارزیابی شبکه عصبی معرفی شده است که عدم وابستگی کامل کیفیت شبکه ایجاد شده به شاخص های معمول اندازه گیری کیفیت شبکه های عصبی مانند ضریب رگرسیون (r) و مجموع مربعات خطا (mse)را نشان می دهد. همچنین در آخر با استفاده از شبکه آموزش دیده، اثر هر یک از پارامترهای ورودی بر متغیرهای خروجی محاسبه شده است. نتایج این تحقیق نشان دهنده این مطالب است که : در صورت استفاده از داده های اعتبارسنجی، شبکه ها به مراتب بهتر جواب می دهند، افزایش تعداد نرون های میانی به منزله بهتر شدن شبکه نمی باشد و کیفیت شبکه وابستگی کاملی به شاخص های متداول (r و mse) ندارد.