در جهان سالانه بیش از ده هزار نوع مختلف از رنگ¬های سنتزی تولید می¬گردد که به صورت گسترده در صنایع مختلف مورد استفاده قرار می-گیرند. که پساب آنها حاوی مقادیر قابل توجهی ترکیبات آلی رنگزا است. وجود مواد رنگزای آلی در پساب¬های صنعتی به علت جلوگیری از نفوذ نور به داخل آب و اخلال در عمل فتوسنتز، و اثرات سمی آنها صدمات جبران¬ناپذیری به محیط زیست وارد می¬نمایند. در سراسر دنیا محققان به دنبال یافتن روش¬های مناسب جهت تصفیه پساب¬های آلوده هستند. این کار به روش¬های مختلف فیزیکی و شیمیایی از جمله انعقاد، جذب سطحی، فرآیندهای اکسایشی، نانوفیلتراسیون، ته¬نشینی و فتوکاتالیز انجام می¬شود. بهبود روند تصفیه‌ی پساب مستلزم مدل‌سازی و درک صحیح از فرایند تصفیه است. به کمک مدل¬ها می¬توان فرآیند را طراحی، بهینه¬سازی و دقیقاً پیش¬بینی نمود. در این میان مدل‌های شبکه عصبی مصنوعی که با الهام از ساختار مغز بشر عمل می‌نمایند، به عنوان گزینه‌ای برتر مورد تحقیق و بررسی قرار می‌گیرند. در این مطالعه ضمن بررسی روش‌های مختلف تصفیه‌ی پساب و مزایا و معایب هر یک از آنها، به ارزیابی استفاده از شبکه‌ی عصبی برای مدل‌سازی حذف آلودگی از پساب‌های صنعتی مختلف می‌پردازد.