با پیشرفت علم و تکنولوژی امکان زندگی بهتر و راحت تر برای بشر فراهم شده است. اما در مقابل با توسعه صنعت و امکانات رفاهی، آلودگی های حاصل از ضایعات صنعتی بر محیط زیست تاثیر نامطلوبی را گذاشته است، بدین منظور همواره سعی می گردد که پساب ناشی از فعالیت های کارخانه ها که به ناچار به رودخانه و دریاها منتهی می شود ابتدا کمی تصفیه شده و بعد در فاصله زمانی کوتاهی با آبهای رودخانه ها و دریاها مخلوط گردند تا با کاهش غلظت از اثرات آلودگی آنها کاسته شود. یکی از راههای سریع برای رقیق نمودن آلودگی هایی که به رودخانه ها یا دریاها می ریزند استفاده از جت های مستغرق متلاطم است که می تواند در فاصله زمانی نسبتاَ کوتاهی مقدار زیادی آب و جریان آلودگی را به علت شرایط تلاطمی بالای خود مخلوط نموده و اثرات مخرب آن را سریعاً کاهش دهد. اگرچه استفاده از جتهای مستغرق متلاطم قابلیت زیادی در رقیق نمودن آلودگی هایی که به رودخانه ها یا دریاها می ریزند را داراست ولیکن نیاز به محاسبات زمانبر و هزینه زیادی جهت بررسی طول اختلاط و منحنی های پایین افتادگی پایینی و بالایی می باشد. به همین دلیل استفاده از سیستم های تخمین به کمک کامپیوتر و روش های هوشمند یکی از راهکارهای پیشنهادی می باشد. در این تحقیق از شبکه های عصبی به عنوان یک سیستم هوشمند جهت تخمین طول اختلاط و منحنی های پایین افتادگی بالایی و پایینی مورد استفاده قرار می گیرد. در این راستا سه مرحله مورد بررسی قرار میگیرد، ورودی های موثر به شبکه اعمال شده و خروجی مناسب شبکه تخمین زده می شود. این کار با استفاده از شبکه mlp با الگوریتم bp انجام میگیرد. سه مرحله، آموزش شبکه با 60% داده ها، آزمون با 20% و اعتبارسنجی 20% داده ها انجام شد. به منظور ارزیابی ،نتایج روش پیشنهادی با نتایج فیزیکی که در آزمایشگاه به دست آمده مقایسه می شود.همچنین از rmse و r جهت ارزیابی شبکه پیشنهادی استفاده می شود.در مجموع نزدیک به 300 سناریو مورد بررسی قرار گرفت و بهترین سناریو بعنوان شبکه مناسب معرفی گردید.در مرحله اول 3 پارامتر موثر در تخمین طول اختلاط به عنوان ورودی به شبکه وارد می شود و طول اختلاط بعنوان خروجی بدست می آید شبکه پیشنهادی با ساختار (1،3،3،3)با rmse برابر 0.12 و rبرابر 95 درصد بدست آمد.