به دلیل رشد جمعیت شهری، مدیریت منابع آب از اهمیت به سزایی برخوردار می باشد. جهت مدیریت پایدار در یک حوضه مدلسازی دقیق فرآیندهای هیدرولوژیکی مانند فرآیند بارش- رواناب نیاز است. مدلسازی صحیح بارش- رواناب میتواند اطلاعات موثری برای برنامه ریزی شهری، زراعت، سیل و مدیریت منابع آب برای یک حوضه بدهد. بعلاوه، فرآیندهای هیدرولوژیکی دارای برخی ویژگیها همچون پیچیدگی، غیرخطی و استوکستیک بودن هستند که پیش بینی را بغرنج می کند. به دلیل ویژگی های مذکور خطای مدل در هرگونه رویکرد پیش بینی اجتناب ناپذیر است. بنابراین مدل های هیدرولوژیکی فراوانی به منظور شبیه سازی چنین فرآیند پیچیده ای توسعه یافته اند. مطالعات اخیر نشان داده اند که بکارگیری مدل های غیرخطی می توانند نتایج بهتری راجع به این مسئله فراهم آورند.

مدلسازی بارش رواناب از مسائل اساسی در برنامه ریزی و مدیریت منابع آب می باشد. پیش بینی بارش رواناب مسئله ای پیچیده بدلیل روابط غیرخطی بین متغیرهای تاثیرگذار در آن می باشد. هدف از این تحقیق، مدلسازی فرآیند بارش رواناب با استفاده از شبکه عصبی می باشد. برای این منظور عملکرد دو نوع شبکه عصبی منفرد و یکپارچه جهت پیشبینی رواناب یا دبی جریان روزانه و ماهانه مورد بررسی و مقایسه قرار گرفت

میزان تغییرات موجود در هر حوضه متناسب با عوامل موثر انسانی و همچنین تغییرات طبیعی نظیر تغییر اقلیم در آن منطقه می باشد. بخش اعظم دلایل رخ دادن تغییرات در سری های زمانی هیدرولوژیکی برمی گردد به تغییرات رخ داده-شده در موقعیت مکانی ایستگاه های ثبت داده، تغییرات ایجاد شده در دستگاه های مورد استفاده، ناقص و گم شدن داده های ثبت شده،تغییر در روش های محاسبه میانگین داده ها و یا تغییرات ناشی از شهرسازی، صنعتی سازی و در کل هرگونه تغییر در نوع کاربری و یا پوشش مراتع. در این پایان نامه به بررسی و شناسایی نقاط تغییر در داده های سالیانه ی سری های هیدرولوژیکی دو ایستگاه tifton-georgia و ونیار-آذربایجان شرقی، با بازه های زمانی به ترتیب 45 و 42 ساله، با استفاده از آزمون های کلاسیک و ناپارامتریک مان-کندال دنباله ای، رگرسیون گیری دو فازی، همگنی استاندارد نرمال، پتی و ویلکاکسون پرداخته شده و همینطور با استفاده از تابع موجک، سری های زمانی مذکور رفع خطا شده و تاثیر این فرآیند بر عملکرد هریک از آزمون ها سنجیده شده است. نتایج بدست آمده در بررسی ایستگاه تیفتون حاکی از آن است که وجود خطاهای طبیعی در سری های زمانی هیدرولوژیکی مانع شناسایی دقیق نقاط تغییر موجود می شوند و در صورت رفع نمودن این خطاها نقاط تغییر با سهولت بیشتری قابل شناسایی خواهند بود. لیکن نتایح حاصل از بررسی ایستگاه ونیار این مطلب را تایید نمی نماید و علاوه بر اینکه تغییر رخ داده شده در سری های زمانی هیدرولوژیکی این ناحیه با آزمون های کلاسیک شناسایی نقطه تغییر قابل شناسایی نبوده ، اعمال تابع موجک و رفع خطا نمودن نیز تنها در چند مورد تاثیرگذار بوده و کمک به شناسایی نقطه دقیق تغییر کرده و در کل عملکرد خوبی نداشته است که به نظر می رسد این امر مربوط به نوع تغییرات موجود در این ایستگاه باشد، زیرا این تحقیق با فرض وجود تنها یک تغییر رخ داده شده در ایستگاه انجام و متعاقب آن از روش های شناسایی و تعیین یک نقطه تغییر استفاده شده است. حال آنکه در صورت وجود تغییرات دیگر ملزم به استفاده از روش های شناسایی همزمان چند نقطه تغییر بوده و عدم نتیجه گرفتن در این ایستگاه، با روش های فعلی توجیه می شود.