زمینه و هدف: رودخانه‌ها مهم‌ترین منابع تأمین آب آشامیدنی، کشاورزی و صنعت به شمار مـی‌آینـد و به‌علـت اینکه از بسترها و مناطق مختلفی می‌گذرند و در ارتباط مستقیم با محیط پیرامون خود هـستند نوسـانات کیفـی زیادی دارند. از این‌رو بررسی و تخمین تغییرات پارامترهای کیفی آب در طول یک رودخانه بایستی مـورد توجـه قرار گیرد. در این تحقیق از یک مدل تلفیقی موجکی و شبکه عصبی مصنوعی، جهت تخمین برخی از پارامترهای کیفی آب (کل جامدات محلول، هدایت الکتریکی و نسبت جذبی سدیم) رودخانه‌های جاجرود تهران و قره‌سو کرمانشاه طی یک دوره آماری 24 ساله استفاده شده است. روش بررسی: در تحقیق حاضر، با استفاده از توان بالای موجک در شناسایی سیگنال‌ها و جداسازی سیگنال‌های خطا در ترکیب با شبکه عصبی برای تخمین پارامترهای کیفی آب رودخانه‌های مذکور مدل شبکه عصبی موجکی مورد تجزیه و تحلیل قرار گرفت و با مدل شبکه عصبی مصنوعی مقایسه گردید. ارزیابی این دو مدل توسط معیارهای آماری ضریب همبستگی (r)، ضریب کارایی نش- ساتکلیف (NS)، ریشه مربع میانگین خطا (RMSE) و میانگین قدر مطلق خطا (MAE) انجام پذیرفت. یافته‌ها: نتایج برآمده از تحقیق نشان داد که مدل بهینه شبکه عصبی موجکی با ضریب همبستگی بالای 9/0 قابلیت بالایی در تخمین پارامتر SAR در ایستگاه‌های مورد مطالعه دارد. همچنین در مورد پارامترهای EC و TDS دقت بالا و میزان خطای پایین مدل توسعه یافته عصبی موجک نسبت به مدل شبکه عصبی مصنوعی مشهود بود. نتیجه‌گیری: با توجه به کارایی بالای شبکه عصبی موجکی در پیش‌بینی پارامترهای کیفی آب رودخانه‌ها می‌توان از این مدل جهت اتخاذ تصمیمات مدیریتی و همچنین برای حصول اطمینان از نتایج پایش و کاهش هزینه پایش استفاده کرد.
