سیل یکی از مهم ترین بلایای طبیعی است که حیات و نیز سرمایه بشری را تهدید می نماید. در طول سال ها، تعدادی از شیوه های مدیریت به منظور کاهش خسارات سیل توسعه داده شده است. در بین روش های مهار و کنترل سیلاب استفاده از سدهای پاره سنگی به عنوان روشی با کارایی و راندمان مناسب و همچنین طرحی اقتصادی معرفی شده است. استفاده از این سدها سبب می شود که هیدروگراف سیل خروجی دارای دبی اوج کمتر و زمان وقوع بزرگ تر نسبت به هیدروگراف ورودی گردد. در این تحقیق بر اساس داده های آزمایشگاهی، به وسیله روش های هوشمند شامل شبکه عصبی مصنوعی (ann) و مدل ترکیبی عصبی- ژنتیک (nnga) و همچنین بکارگیری مدل عددی دوبعدی، دبی خروجی از سدهای پاره سنگی مستطیلی و ذوزنقه ای پیش بینی گردید و نتایج آنها با هم مقایسه شد. بدین منظور برای بررسی کارایی روش های بکار رفته از چند شاخص آماری استفاده گردید. بر اساس نتایج شاخص های آماری، تمام روش ها قادر به پیش بینی دبی خروجی به صورت قابل اطمینان می باشند. مقایسه کارآیی روش های هوشمند نشان از برتری مدل ترکیبی عصبی- ژنتیک نسبت به روش شبکه عصبی مصنوعی بود. به عبارت دیگر بکارگیری الگوریتم ژنتیک به منظور بهینه سازی پارامترهای شبکه عصبی مصنوعی، پیش بینی دبی خروجی را بهبود می بخشد. در ضمن الگوریتم های دلتا بار دلتا و مومنتوم به ترتیب بهترین الگوریتم های یادگیری برای شبکه عصبی مصنوعی و مدل ترکیبی عصبی- ژنتیک بودند. مدل عددی دوبعدی اندکی بهتر از روش های محاسباتی هوشمند برای این مسأله می باشد اما با توجه به این که مدل های عددی نیازمند تکنیک های پیچیده عددی و در نظر گرفتن شرایط مرزی برای حل معادلات مدل می باشند بنابراین با بکارگیری روش های هوشمند در تخمین دبی خروجی از سدهای پاره سنگی می توان بر مشکل پیچیدگی و زمان بر بودن روش ها عددی فائق آمد. همچنین آنالیز حساسیت نشان داد ارتفاع آب بالادست سد پاره سنگی ذوزنقه ای و مستطیلی پارامتر مهم تری نسبت به ارتفاع آب پایین دست سد می باشد.