یکی از جنبه¬های مهم پیش¬بینی اثرات زیست محیطی احداث یک سد، پیش¬بینی کیفیت آب مخزن و جریان خروجی از مخزن پس از بهره¬برداری می¬باشد. در این مطالعه سعی شده است با استفاده از مدل دوبعدی ce-qual-w2 و دو روش رگرسیون آماری و استنتاج عصبی-فازی تطبیقی(anfis) ، tds جریان خروجی از مخزن سد پیش¬بینی شود و دقت دو روش آماری و anfis نسبت به مدل ce-qual-w2 سنجیده شود. به طور موردی سد میمه واقع در استان ایلام برای دوره 5 ساله از سال 1384 تا 1388 بررسی شده است. به منظور مدلسازی با ce-qual-w2 اطلاعات مربوط به هواشناسی، توپوگرافی و هیدرولوژیکی جمع¬آوری و به فرمت ورودی نرم¬افزار تبدیل شده است. نتایج tds جریان خروجی از دریچه برای عوامل مختلفی مانند دمای جریان ورودی، ارتفاع دریچه، غلظت جریان ورودی، ضریب پوشش باد و .. تحلیل حساسیت شد. نتایج گویای تاثیر چشمگیر tds جریان ورودی می¬باشد. سال سوم و چهارم جهت تحلیل آماری و anfis و سال پنجم برای صحت¬سنجی نتایج به دست¬آمده از این دو روش انتخاب شده¬اند. هم¬چنین با توجه به نتایج تحلیل حساسیت متغیر-های tds جریان ورودی، دبی ورودی و تراز بهره¬برداری به عنوان پارامتر¬های تاثیرگذار انتخاب شدند. رگرسیون خطی داده¬های روزانه موفق به پیش¬بینی tds سال سوم و چهارم با ضریب همبستگی 0/92 و شاخص تطابق 0/96 و جذر میانگین مربعات خطای 0/405 گردید. بررسی بر روی حالت¬های مختلف متغیر¬ها نشان داد تراز بهره¬برداری به صورت خطی، دبی ورودی به صورت معکوس و tdsجریان ورودی در حالت درجه دو با tds جریان خروجی بیشترین همبستگی را داشته است. رگرسیون غیر-خطی با ضریب همبستگی 0/92 و شاخص تطابق 0/96 و جذر میانگین مربعات خطای 0/398 تنها با کاهش بسیار کم جذر میانگین مربعات خطا نتایج بهتری نسبت به رگرسیون خطی نشان نداد. اما anfis با ضریب همبستگی 96/0 و جذر میانگین مربعات خطای 0/334 نتایج بهتری نسبت به رگرسیون خطی و غیرخطی از خود نشان داد. همچنین نتایج صحت سنجی در سال پنجم مدلسازی با ضریب همبستگی 0/87 و جذر میانگین مربعات خطا 415/ 0 برای anfis و ضریب همبستگی 0/76 و جذر میانگین مربعات خطا 0/594 برای رگرسیون غیر خطی، عملکرد بهتر anfis نسبت به روش آماری را نشان داد. در مجموع یافته¬ها نشان داد تحلیل آماری و anfis می¬تواند با دقت قابل قبولی و تعداد متغیر¬های کمتری در زمان کمتری نسبت به مدلسازی با ce-qual-w2، tds جریان خروجی از دریچه مخزن میمه را پیش¬بینی کند.