抽象的人工神经网络（ANN）是一种人工智能方法的方法，为复杂过程提供了有效的预性模型。开发了三种经过反向传播算法训练的独立ANN模型，以预测EF的化学氧需求（COD），悬浮固体（SS）和曝气罐混合酒悬浮固体（MLSS）浓度的Ankara Central Wastewater处理厂。通过对模型的训练和测试进行多个步骤来确定ANN模型的适当体系结构。ANN模型产生了令人满意的预测。均方根误差，平均绝对误差和平均绝对百分比误差的结果为3.23、2.41 mg/l，COD为5.03％； SS的1.59、1.21 mg/L和17.10％； MLSS分别为52.51、44.91 mg/L和3.77％，表明可以充分使用开发的模型。总体上还证实了ANN建模方法可能具有巨大的模拟，精确的性能预测和废水处理厂的过程控制的实施潜力。