شبیه‌سازی میزان رواناب از مهمترین موضوعات در زمینه هیدرولوژی و منابع آب می‌باشد با پیش‌بینی میزان رواناب در دوره‌های آینده می‌توان میزان سیلاب و همچنین روند افزایشی و کاهشی میزان دبی رودخانه را تعیین کرد. روش‌های مختلفی به منظور شبیه‌سازی و یا پیش‌بینی میزان رواناب وجود داشته که از این بین می‌توان به روش‌های آماری، مدل‌های بارش- رواناب و هوش مصنوعی اشاره کرد. در این پژوهش با استفاده از سه مدل متشکل از شبکه عصبی، IHACRES و رگرسیون خطی میزان رواناب درحوضه طشک- بختگان برآورد شده و با استفاده از آماره‌هایی همچون ضریب همبستگی، ضریب تبیین و دیگر شاخص‌های خطا این مدل‌ها مورد ارزیابی قرار گرفتند. نتایج حاکی از این بود که میزان رواناب و بارش دارای رابطه غیر خطی بوده و به همین جهت نمی‌توان جهت برآورد میزان رواناب به مدل رگرسیون خطی اعتماد کرد. از دیگر نتایج این پژوهش می‌توان به این مورد اشاره کرد که در حالت کلی مدل شبکه عصبی به دلیل برقراری رابطه غیر خطی بین میزان بارش و رواناب نسبت به دو مدل دیگر از دقت مناسبی در برآورد میزان رواناب ماهانه در سطح حوضه طشک- بختگان برخوردار می‌باشد. تفاصيل المقالة