پیش بینی کمیت تولید، نقشی اساسی در بهینه سازی و برنامه ریزی سیستم مدیریت مواد زاید جامد شهری دارد. اما به دلیل طبیعت ناهمگون و تاثیر عوامل متنوع و خارج از کنترل بر تولید، همواره با مشکلات زیادی همراه بوده است. شبکه عصبی مصنوعی اخیرا در بسیاری از کاربرد های مهندسی نظیر مهندسی محیط زیست به عنوان ابزاری قدرتمند در مدل سازی مورد توجه قرار گرفته است. در این تحقیق با توجه به دینامیک و پیچیده بودن سیستم مدیریت مواد زاید جامد، از مدل ترکیبی شبکه عصبی مصنوعی با تابع آموزش لونبرگ - مارکویت و تبدیل موجک (مدل عصبی – موجکی) برای پیش بینی کمیت تولید هفتگی در شهر تهران استفاده شده است. برای این منظور از مجموعه زمانی تولید این شهر در فاصله زمانی سالهای 1380 تا سه ماهه نخست 1385 که به صورت هفتگی مرتب شده بودند، استفاده شد. بعد از آموزش و تست مدل های شبکه عصبی و شبکه عصبی - موجکی نتایج این مدل ها با یکدیگر مورد مقایسه قرار گرفت. نتایج به دست آمده از این تحقیق نشان می دهد که استفاده از تبدیل موجک در پیش پردازش متغیر های ورودی، تاثیر مثبتی در پیش بینی میزان تولید هفتگی در این شهر ایجاد کرده، به طوری که موجب افزایش چشمگیری در دقت محاسبات مدل شده است. این بهبود در مورد ضریب همبستگی مدل ها (R2) در مرحله صحت سنجی، از 0.5 در مدل شبکه عصبی به 0.9 در مدل شبکه عصبی - موجکی است. همچنین معیار قدر مطلق میانگین خطای نسبی نیز در مدل شبکه عصبی از 5.99 درصد به 1.92 درصد در مدل شبکه عصبی - موجکی کاهش پیدا کرده است.