روندیابی سیلاب به‌دلیل فراهم نمودن امکان پیش‌بینی چگونگی طغیان و فروکش کردن آن در رودخانه، یکی از مهمترین مسائل در مهندسی رودخانه است. از آن جا‌ی که سیلاب جریانی متغیر غیردایمی است، لذا روندیابی آن نیاز به داده‌های گسترده از رود‌ها و آمار دقیقی از ایستگاه­های آبسنجی دارد. روش ماسکینگام، به دلیل سادگی آن، دارای کاربرد بیش­تری در میان روش­های روندیابی سیلاب می‌باشد. از طرفی، استفاده از روش­های هوش مصنوعی در زمینه‌های مختلف مهندسی آب و شبیه‌سازی در حوضه‌های آبخیز طی دهه اخیر رشد چشمگیری داشته است. در این پژوهش، برای روندیابی سیلاب با استفاده از روش­های ماسکینگام، شبکه‌ی عصبی‌ مصنوعی، سامانه استنتاج تطبیقی عصبی- فازی، و برنامه‌ریزی ژنتیک از داده‌های ویلسون، ویو و همکاران، و ویس‌من و لویس در سه رود مختلف استفاده گردید. نتایج شبیه‌سازی روندیابی سیلاب با کاربرد روش­های ذکر شده با استفاده از شاخص­های آماری R²، RMSE و MBE ارزیابی گردیدند. نتایج این تحقیق نشان دادند که روش­های هوش مصنوعی‌، به‌دلیل برخورداری از RMSE کمتر نسبت به روش ماسکینگام، برتری دارند، که این مقدار برای روش­های هوش مصنوعی 00174/0، و برای روش ماسکینگام 727/28 به دست آمد، بنابراین، روش ماسکینگام در شبیه‌سازی آب نگار سیلاب با بده‌ی اوج پرشمار موفق نبوده است. با وجود اندک تفاوت در دقت تخمین و مقادیر خطا در شبیه‌ها، شبکه‌های عصبی مصنوعی با مقادیر R²،  RMSE و MBE مناسبتر در رده‌ی اول، و سامانه‌ی استنتاج تطبیقی عصبی- فازی و برنامه‌ریزی ژنتیک به ترتیب در رده‌های دوم و سوم قرار می‌گیرند. با توجه به سهولت کاربرد و نتایج خوب روش­های هوش مصنوعی، پیشنهاد می‌شود تحقیقات بیش­تری در این زمینه صورت پذیرد. تفاصيل المقالة