آب‌های زیرزمینی در معرض آلودگی‌های شدید قرار دارند و ارائه راه‌کارهایی موثر برای مدیریت و حفاظت منابع آب‌های زیرزمینی برای جلوگیری از کاهش شدید کیفیت این آب‌ها و نابودی آنها لازم است. مدل‌سازی فرآیندی است که طی آن، واقعیت یک سیستم پیچیده، به‌صورت ساده در قالب یک معادله یا یک مدل آزمایشگاهی شبیه‌سازی می‌شود. تنوع مدل‌های مورد بررسی به‌منظور شبیه‌سازی کیفیت آب بسیار است که بیشتر آنها نیازمند اطلاعات ورودی فراوان و غیرقابل دسترس هستند و یا اندازه‌گیری این اطلاعات هزینه‌های مالی و زمانی فراوانی لازم دارد. استفاده از مدل‌های هوشمند نتایج رضایت‌بخشی را در مدل‌سازی سامانه‌های پیچیده غیرخطی در مسائل هیدرولوژی و مدیریت منابع آب نشان داده است. شبکه‌های هوشمند به‌عنوان یک مدل غیرخطی که حساسیت کمتری به خطای داده‌های ورودی دارند، در سال‌های اخیر کاربرد فراوانی در مدل-سازی داشته است. در این مدل‌ها، پردازش داده‌ها به صورت موازی انجام می‌شود و برای ایجاد رابطه بین داده-های ورودی و خروجی به فرمول‌های پیچیده ریاضی نیازی نیست. استفاده بیش از حد از منابع آب زیرزمینی و کاهش بارندگی، موجب کمبود آب در سفره‌ها و به تبع افزایش شوری شده است. منابع آب زیرزمینی اصلی‌ترین ذخیره قابل دسترسی آب شیرین در دشت قم محسوب می‌شوند. شناخت کیفیت آب‌های زیرزمینی، به عنوان یکی از مهمترین و آسیب‌پذیرترین منابع تأمین آب در دشت قم، یک امر کاملا بدیهی است. افزایش روزافزون آلاینده-های شیمیایی شهری و صنعتی و شیوه‌های نوین کشاورزی تهدیدی جدی برای محیط زیست و به ویژه آبخوان‌ها به حساب می‌آیند. در دشت قم در نتیجه برداشت بی رویه آب زیرزمینی، دو مخروط افت در حال گسترش (یکی در بخش‌های جنوبی دشت قم و دیگری در بخش شرقی آن) به وجود آمده است. ادامه این روند موجب معکوس شدن جهت جریان از سمت کاشان و دریاچه نمک به طرف دشت قم و نهایتا هجوم آب شور به دشت قم شده است. هدف از پژوهش حاضر شبیه‌سازی پارامتر TDS دشت قم با استفاده از مدل‌های هوشمند عصبی- موجک و عصبی- فازی- موجک به‌منظور بررسی کیفیت آب منطقه مورد مطالعه از نظر شوری و تغییرات آن می‌باشد. در این پژوهش از داده‌های 12 ایستگاه در بازه زمانی 20 ساله (دوره کم آب و دوره پر آب) استفاده شده است و با استفاده از توان بالای موجک در شناسایی سیگنال‌ها و جداسازی سیگنال‌های خطا در ترکیب با شبکه عصبی برای تخمین پارامتر کیفی TDS مورد تجزیه و تحلیل قرار گرفت و با مدل شبکه عصبی فازی- موجک مقایسه گردید. مقدار خطای شبیه‌سازی پارامتر شوری در منابع آب‌زیرزمینی دشت قم کم می‌باشد. میزان بارندگی منطقه مورد مطالعه و در واقع کم آبی و پر آبی، تاثیری بر عملکرد روش‌های شبیه‌سازی مورد بررسی این مطالعه ندارد و روش‌ها عملکرد قابل‌قبولی در هر دو دوره کم‌آبی و پرآبی را نشان دادند. برای هر دوره بهترین مدل براساس شاخص خطاسنجی انتخاب گردید و مقدار TDS بر اساس بهترین مدل شبیه‌سازی شد و نمودارهای مقایسه شبیه سازی با اندازه گیری در اکسل رسم گردید. در کل برای دوره کم آب شبیه‌سازی بهتر از پر آب صورت گرفت. در کل مدل عصبی-موجک در مرحله کم آب بهتر و با دقت بیشتری نسبت به سایر دوره و مدل‌ها برای شبیه‌سازی شوری دشت قم می‌باشد.
