به منظور کنترل بهتر و کارآمد عملکرد تصفیه¬خانه های فاضلاب صنعتی، می¬توان از یک ابزار ریاضی، بر¬مبنای اطلاعات ثبت شده برخی از پارامتر¬های اساسی پساب، طی دوره¬ای از بهره¬برداری تصفیه¬خانه استفاده کرد. دراين مقاله، از شبكه عصبي چندلايه پیش¬خور با يك لايه پنهان و روش توقف آموزش، براي اولین بار در کشور جهت بررسی مشخصات پساب خروجی واحد‌های تصفیهخانه استفاده شده است. داده‌های این تحقیق مربوط به تصفیه¬خانه فجر واقع در بندر ماهشهر بوده که از مشخصات آن استفاده گردیده است. همچنین از روش تحلیل عاملی جهت اصلاح و ارتقای عملکرد مدل¬های ترکیبی ایجاد شده به¬وسیله شبکه عصبی و تکنیک تحلیل مولفه‌های اصلی، استفاده شده است. این تحلیل به عنوان يكي از روش‌هاي آماري براي تجزيه اطلاعات موجود در مجموعه داده‌ها و تعيين تأثيرگذارترين متغيرها در هنگامی که تعداد متغيرهاي مورد بررسي زياد و روابط بين آنها ناشناخته باشد، استفاده مي‌شود. به منظور ارزیابی عملکرد مدل‌ها از شاخص‌های مجذور میانگین مربع خطاها (RMSE)، میانگین مطلق خطا (MAE)، و ضریب همبستگی پیرسون (R) استفاده شده است. مقادیر R بدست آمده از مدل‌ها که در بازه 8/0 تا 94/0 قرار دارند، نشان¬دهنده دقت مناسب آن در برآورد مشخصات کیفی فاضلاب است.
