Разработана и проверена модель искусственной нейронной сети для прогнозирования удаления загрязнений при нанофильтрации подземных и поверхностных вод в условиях, типичных для очистки питьевой воды. Сеть была обучена с использованием рабочих условий, таких как поток пермеата, восстановление питательной воды и восстановление элементов (скорость поперечного потока), а также параметры качества питательной воды, включая pH, общую концентрацию растворенных твердых веществ (заменитель ионной силы), целевую концентрацию загрязняющих веществ и, где это возможно, коэффициент диффузии в качестве входных данных для прогнозирования концентрации пермеата. Детерминистическое и псевдостохастическое моделирование показало, что искусственные нейронные сети точно предсказывают концентрации в пермеате нескольких органических и неорганических загрязнителей в экспериментах с использованием исходной воды из семи разных мест с помощью двух коммерческих тонкопленочных композитных мембран, работающих в широком диапазоне потоков пермеата и степени извлечения питательной воды. Следовательно, нейронные сети могут прогнозировать перенос гетерогенных загрязнителей при очистке воды, таких как природные органические вещества и предшественники побочных продуктов дезинфекции, физико-химические свойства которых неизвестны. Включает 36 ссылок, рисунок.