برآورد و پیش بینی پارامترهای کمی و کیفی آب در طول رودخانه به منظور تصمیم گیری های مدیریتی اهمیت ویژه ای دارد. برآورد پارامترهای کمی و کیفی آب جریان رودخانه ها با استفاده از مدل های ریاضی و تجربی به علت پیچیدگی مکانیزم و تعدد عوامل موثر در کیفیت جریان معمولا با خطای قابل توجهی همراه می باشد. امروزه استفاده از روش های هوش مصنوعی کاربرد گسترده-ای در زمینه های مختلف علمی به ویژه مهندسی آب پیدا کرده است. مبنای این مدل ها استخراج روابط غیرخطی بین داده های ورودی و خروجی شبکه و تعمیم آن ها در شرایط دیگر است. رودخانه صوفی چای یکی از مهم ترین رودخانه های آذربایجان شرقی است که به دریاچه ارومیه منتهی می شود و احداث سد علویان در پایین دست این رودخانه به اهمیت آن می افزاید. لذا در این مطالعه از مدل های شبکه عصبی مصنوعی، برنامه ریزی ژنتیک و منطق فازی جهت برآورد پارامترهای کمی و کیفی آب رودخانه صوفی چای استفاده شد و اهمیت نسبی پارامترهای موثر در کیفیت آب رودخانه با استفاده از الگوریتم گارسون مورد بررسی قرار گرفت. کلاس و نوع آب رودخانه جهت مصارف کشاورزی و شرب تعیین شد و با استانداردهای موجود مقایسه شد. به منظور ارزیابی کارایی هر یک از مدل ها و مقایسه داده های شبیه سازی شده و مشاهداتی از معیارهای ضریب تبیین (r2)، جذر میانگین مربعات خطا (rmse) و نش- ساتکلیف (ns) استفاده شده است و در نهایت مدل برنامه ریزی ژنتیک به عنوان بهترین مدل پیشنهاد گرید، نتایج حاصل از الگوریتم گارسون نشان می دهد که که از میان پارامترهایی که به عنوان ورودی مدل انتخاب شدند، پارامترهای سدیم، کلسیم، منیزیم و دبی موثرترین پارامترها در برآورد کل املاح محلول در آب رودخانه صوفی چای می باشند.