آگاهي¬ ازكیفيت منابع آب یکی از نيازمندي هاي مهم در برنامه¬ريزي و توسعه منابع آب وحفاظت و كنترل آنها ميباشد باتوجه به طبيعت غيرخطي واتفاقي پديده هاي هيدرولوژيكي،كاربرد شبكه هاي عصبي مصنوعي در اين علم كاملاً قابل توجيه است. هدف از این مطالعه تخمین کیفی کل جامدات محلول (TDS)، آب رودخانه کبکیان با استفاده از شبکه عصبی مصنوعی می باشد . از آمار آنالیز پارامترهای شیمیایی ایستگاه هیدرومتری بطاری واقع بر روی رودخانه در طی یک بازه 10 ساله (82 تا 92) که در تمام فصول سال اندازه گیری شده اند، استفاده گردید و ازروش های¬ شبکه¬ عصبی مصنوعی RBF و MLP ، جهت شبیه سازی استفاده شد. ¬در هر دو نوع شبکه از تابع محرک Tanhaxon و الگوریتم آموزشی لورنبرگ مارکوات(LM) با نرون های مختلف و 1 و 2 لایه مخفی مختلف استفاده گردید. و نتایج با این دو شبکه موردمقایسه قرارگرفت، نتایج بدست آمده با استفاده از معیارهای آماری MSE، RMSE ،و ضریب همبستکیR2 (توان دوم ضریب R) نشان داد که در تمامی مدل ها شبکه عصبی مورد استفاده در این پژوهش شبکه عصبی پرسپترون چند لايه ( MLP) نسبت به شبکه عصبی تابع شعاعی (RBF) دقت بالاتری در شبیه سازی متغیرهای کیفی در رودخانه مورد مطالعه داشت..با توجه به نتایج حاصله از پژوهش نشان داد که شبكه هاي عصبي مصنوعي دقت وتوانايي بالايي جهت شبيه سازي وپيشبيني پارامترهاي كيفي جريان در رودخانه دارند.