흐르는 물에서의 수량과 수질의 평가는 수리 환경적인 관리 측면에서 매우 중요하다. 물리적, 화학적 특성들이 다양한 환경변수와 함께 운반되어지기 때문이다. 특히 오염원의 이송량은 유량에 의해 크게 영향을 받기 때문에 도시화, 산업화에 따른 하천수의 질적 문제와 양적 문제는 이제 분리할 수 없는 사안이 되었다. 비점오염원의 영향은 상대적으로 점점 증가하고 있으며, 농촌지역의 위락시설 증가와 농업의 현대화에 의한 각종 오염물질 배출량은 점점 늘어나고 있는 추세이며 특히 홍수시 비점오염원의 유입량은 매우 크다. 수질변화에 있어 유량이 매우 큰 영향을 미치는 인자임에도 불구하고 유량과 수질관리에 대한 주체의 이원화로 인해 자료가 미비한 실정이다(강두선 외, 1998, 신현선 외, 1998; 안상진 외, 2001; 연인성 외, 2005). 
   유량과 수질 인자들간의 상호관계로부터 수질변화를 예측하고 관리하기 위해 많은 모형들과 방법론이 제시되어 왔으며. 최근 들어 많은 문헌에서 수문학적 모델링과 수질 모델링에서 인공신경망의 사용이 점점 증가하고 있다. 인공신경망은 폭넓은 적용성과 이미 알고 있는 입출력 변수로부터 비선형적인 복잡한 관계를 단순화하며, 생물학적, 화학적, 물리적 관계의 어떠한 수학적 공식이 필요하지 않는다. 최근 들어 수문학 분야에서 제반 문제들의 해결 방안으로 신경망 모형이 다양하게 적용되고 있으며, 그 중에서도 오차 역전파 알고리즘이 적용된 다층 퍼셉트론 모형에 의한 시계열 예측이 그 주류를 이루고 있다. 수자원 분야에는 French(1992) 등이 강우의 공간분포를 예측하면서 적용되기 시작하였다.(김재형 등, 2000; French et al., 1992; Hsu et al., 1995; Schleiter et al., 1999; Jain and Chalisgaonkar, 2000; Lischeid, 2001; Lee et al., 2003; Jain and Srinivasulu, 2004). 
   본 연구에서는 김해시 딴섬의 강변여과 집수정 하류에 위치한 삼랑진 관측지점에서 유입량에 따른 수질 예측을 위하여 신경망 모형을 구성하고 학습 자료의 개수, 규모 등에 따른 신경망 모형 결과의 특성을 분석하여 하천과 수질과의 관계를 파악하였다.