آب کافی و با کیفیت مطلوب برای ادامه حیات بشر ضروری است. تصفیه خانه ها، آب شرب را با کیفیت بالا در کوتاه ترین زمان ممکن با حداقل هزینه فراهم می کنند. انعقاد و لخته سازی از جمله فرآیندهای ضروری تصفیه آب به منظور حذف کدورت از آب شرب می باشند. وقتی که یک تغییر غیر معمول مانند باران سنگین یا طوفان اتفاق بیفتد باعث بالا رفتن ناگهانی کدورت آب می-شود و این کدورت می تواند باعث کاهش کیفیت آب شرب شود و به همین دلیل تعیین میزان بهینه مقدار مصرفی مواد شیمیایی در زمان کم بسیار سخت می شود. تعیینمقداربهینهمصرفی مواد شیمیاییبسیارتعیینکنندهاست ومصرفنامناسبآنباعثکاهشکیفیتآبمصرفشدهمی شودوهمچنینبررویبازدهاقتصادیمانندهزینهموادمصرفیتأثیرگذارمی باشد. مقدار مصرف نامناسب این مواد باعث کاهش بازده در مراحل ته نشینی، فیلتراسیون و گندزدایی می شود. بصورت متداول آزمایش جار در آزمایشگاه و تجربه شخصی اپراتور در واحد بهره برداری برای تعیین مقدار مصرف مواد، مورد استفاده قرار می گیرد. دراینپژوهششبکه هایعصبینوعروشدستهبندیگروهیداده هایعددی (gmdh) برایمدل سازی و پیش بینی کیفیت آب در واحد آزمایشگاه و بهره برداری، با استفاده از مجموعه داده های ورودی- خروجی موردمطالعهقرارگرفتهاست. برای ارزیابی مدل پیشنهادی، تصفیه خانه بزرگ آب گیلان به صورت موردی بررسی و داده های مورد نیاز به دست آمده است. به منظور مدل سازی، داده ها به دو دسته (70% برایآموزشو30% برایآزمایش) تقسیم شده اندکه بعد از اجرای شبکه gmdh، نتایج حاصل از مدل سازی با داده های تجربی مقایسه گردید که مدل بدست آمده تطابق بسیار خوبی با نتایج تجربی نشان داد.