در این مطالعه جهت مدل سازی میزان غلظت تری هالومتان در آب شرب، از شبکه عصبی مصنوعی استفاده شده است. پس از آموزش، شبکه عصبی قادر است براساس مشخصات کیفی آب و میزان غلضت کلر در آب شرب، میزان غلظت تری هالومتان را پیش بینی کند. جهت ارزیابی و تشریح مدل، آب تصفیه خانه سنگر واقع در شهرستان رشت به صورت موردی بررسی شده است. از اندازه گیری های انجام یافته بر روی آب شرب تصفیه خانه سنگر، داده های مورد نیاز، جهت آموزش و تست شبکه عصبی اخذ شده است، آب شرب این تصفیه خانه در سال 1386 و در فصول تابستان و زمستان پایش شده است. پارامتر هدف در شبکه عصبی، میزان غلظت تری هالومتان در آب شرب در نظر گرفته شده است. از بین سیزده نوع الگوریتم پس انتشار، الگوریتم بهینه انتخاب و جهت آموزش شبکه عصبی استفاده شد، و سپس ساختمان بهینه شبکه عصبی تعیین گردید. در این مطالعه شبکه عصبی با الگوریتم Marquardt-Levenberg که دارای هشت نرون در لایه پنهان می باشد، به عنوان شبکه عصبی بهینه انتخاب شده است. با توجه به شاخص های آماری به دست آمده (ضریب همبستگی= 997/0 ، ضریب انحراف معیار = 466/6) و داده های ورودی در نظر گرفته شده، برآورد میزان غلظت تری هالومتان در آب شرب توسط شبکه عصبی از کارایی مناسبی برخوردار است. پرونده مقاله