حفاظت و استفاده بهینه از منابع آب از اصول توسعه پایدار هر کشور می¬باشد. آبهای سطحی جاری یا رودخانه¬ها به عنوان یکی از منابع اصلی و قابل دسترس تأمین نیازهای صنعت، شرب و تولید برق می¬باشند. آگاهی از کیفیت آب رودخانه¬ها یکی از ارکان مهم برنامه ریزی و توسعه منابع و حفاظت و کنترل آنهاست. در روش شبکه عصبی مصنوعی با الهام گیری از مدل مغز انسان، ضمن اجرای فرآیند آموزش، اطلاعات مربوط به داده¬ها، درون وزنهای شبکه ذخیره می¬گردد. مدل بیزین ابزاری قدرتمند در مدل کردن روابط علی و معلولی در قالب احتمالات است. مدلهای بیزین، یک روش سازگار و انعطاف پذیر برای مدل کردن موقعیتهای غیر قطعی هستند که مدلی مبتنی بر ادراک مستقیم از اندرکنش میان علل و معلولهای مختلف است. در این تحقیق قابلیت سه نوع مختلف شبکه عصبی پرسپترون چند لایه، شبکه عصبی شعاع مبنا و رگرسیون تعمیم یافته به همراه مدل بیزین به منظور مدلسازی و پیش¬بینی پارامترهای کیفی آب رودخانه با استفاده از 340 نمونه با تواتر ماهیانه در ایستگاه هیدرومتری سیرا در ورودی سد امیرکبیر و 190 نمونه از ایستگاه گچسر در سرشاخه ولایت رود رودخانه کرج مورد مطالعه قرار گرفت. شبکه عصبی پیشخور با 6 و 7 نرون در لایه میانی به مقادیر ضریب نش 0/913 و 0/919 برای مدل سولفات و 0/928 و 0/923 در مدل بی¬کربنات برای ایستگاه سیرا و گچسر رسیده است. این ضریب در مدل بیزین مقادیر 0/88 و 0/856 برای مدلسازی سولفات در ایستگاههای سیرا و گچسر و مقدار 0/866 و 0/878 برای مدل مدلسازی بی¬کربنات برای این دو ایستگاه بوده است. نتایج تحلیل حساسیت نشان داد که سولفات در ایستگاه سیرا به پارامتر کیفی na و در ایستگاه گچسر به پارامتر دبی و بی¬کربنات در هر دو ایستگاه به پارامتر کیفی ec بیشترین حساسیت را داشته¬اند. همچنین شبکه¬های عصبی رگرسیون تعمیم یافته و شعاع مبنا با تعداد پارامترهای کمتر و مقدار اطلاعات ورودی بیشتر دارای عملکرد مناسبی بوده¬اند.