مدل های پارامتریک یکی از متداول ترین روش هایی است که برای پیش بینی هیدروگراف سیلاب تدوین گردیده است. لیکن این روشها در نمی توانند فرآیند جریان را بخوبی نمایش دهند. زیرا آنها براساس فرضیاتی ساده کننده در مورد خصوصیات حوضه قرار دارند. در این پژوهش از روش شکبه عصبی مصنوعی از نوع پس انتشار خطا برای مدلسازی فرآیند بارش رواناب استفاده گردید. مدل های شبکه عصبی با استفاده از آمار دبی-بارش سه حوضه مختلف در ایران آزمایش شدند. این سه حوضه عبارتند از: باروت آغاجی، ناورود اسالم و ابوالعباس.حوضه باروت آغاجی مساحتی معادل ‏‎5/71km2‎‏ دارد. مدل شبکه عصبی برای این حوضه تدوین گردید. و پیش بینی های مدل منتخب شبکه عصبی با پیش بینی های مدل ‏‎hec-hms‎‏ و مقادیر مشاهداتی مقایسه گردید. نتایج نشان می دهد که دقت پیش بینی های شبکه عصبی بهتر است. حوضه ابوالعباس ‏‎92km2‎‏ مساحت دارد. در این حوضه پیش بینی های مدل شبکه عصبی با پیش بینی های بدست آمده از روش هیدروگراف واحد و مقادیر مشاهداتی مقایسه گردید. نتایج نشان می دهد که دقت پیش بینی های شبکه عصبی مناسب تر است. حوزه ناورود اسالم مساحتی بالغ بر ‏‎266km2‎‏ را شامل می شود. و برای هر سیل بارش در دو ایستگاه باران سنجی ثبت گردیده است. مدل شبکه عصبی مناسب برای این حوضه تدوین گردید و هیدروگراف های پیش بینی با هیدروگراف های مشاهداتی مقایسه گردید. نتایج نشان میدهد که شبکه عصبی توانایی پیش بینی هیدروگراف سیلاب را دارا است.