آلودگی آب توسط فلزات سنگین یک مسأله جهانی است. امروزه بر ما روشن است فلزات سنگین شامل آهن، سرب، منگنز، کادمیوم، روی و نیکل به عنوان آلودگی های متداول در پساب های معدنی شناخته شده اند که منجر به مشکلات بسیاری برای سلامتی انسان، آب و محیط زیست می شوند. در این مطالعه از ترکیب شبکه عصبی مصنوعی چند لایه پرسپترون با الگوریتم تکاملی رقابت استعماری برای پیش بینی فرایند حذف فلزات سنگین (کادمیوم و نیکل) مورد استفاده قرار گرفته است. الگوریتم رقابت استعماری برای بهنیه سازی وزن و آموزش شبکه عصبی مصنوعی مورد استفاده قرارگرفته است. غلظت اولیه فلزات، نانو جاذب، زمان تماس به عنوان ورودی و درصد جذب به عنوان خروجی در نظر گرفته شده است. عملکرد مدل (شبکه عصبی مصنوعی - رقابت استعماری) با روش آماری رگرسیون خطی چند متغیره مقایسه شده است. مقادیرr2 و mse بدست آمده از مدل شبکه عصبی مصنوعی - الگوریتم رقابت استعماری برای فلز نیکل به ترتیب برابر است با 9297/0 و 0141/0 و مقادیر بدست آمده از شبکه برای فلز سنگین کادمیوم به ترتیب برابر است با 9539/0 و 0120/0 که این مقادیر بدست آمده در مقایسه با نتایج مدل رگرسیون خطی چند متغیره (فلز کادمیوم r2 و mse به ترتیب برابر است با 8202/0 و 0252/0 و فلز نیکل 6294/0 و 0336/0 ) بدست آمده چنین استنباط می شود که روش ترکیبی شبکه عصبی مصنوعی - رقابت استعماری نسبت به روش آماری رگرسیون خطی چند متغیره دارای کارآیی بالاتری در پیش بینی جذب فلزات سنگین توسط نانو جاذب های معدنی در داده های آزمایشگاهی است.