پیش بینی هیدروگراف سیل دارای اهمیت حیاتی به منظور هشدار سیل، مدیریت عملکرد سدهای مخزنی احداث شده به منظور کنترل سیل،تعیین پتانسیل جریان رودخانه، تولید انرژی برقابی و تخصیص آب برای آبیاری در فصول خشک سال می باشد. هدف از این تحقیق مدلسازی هوشمند هیدروگراف سیل وروردی به سد مخزنی شیرین دره به منظور مدیریت مخزن آن و همچنین ارزیابی واکنش مدل های هوش مصنوعی به خصوصیات هیدرولوژیکی هیدروگراف سیل می باشد. بدین منظور دو تا حوزه آبخیز در شرایط آب و هوایی مختلف، تحت عنوان حوزه آبخیز سد شیرین دره در استان خراسان شمالی و حوزه آبخیز جعفرآباد در استان گلستان، به منظور انجام تحقیق انتخاب شدند. در ادامه تمامی هیدروگراف های سیل ثبت شده در ایستگاه های هیدرومتری موجود در دو حوزه آبخیز گردآوری شد. سپس از این مجموعه تعداد 16 هیدروگراف سیل در حوزه آبخیز سد شیرین دره، و تعداد 18 هیدروگراف سیل در حوزه آبخیز جعفرآباد به منظور آموزش و آزمون دو مدل شبکه عصبی مصنوعی و مدل تطبیقی عصبی-فازی انتخاب شد. سپس داده های مربوط به این هیدروگراف ها با استفاده از روابط مربوطه برای ورود به مدل استناندارد شد. در ادامه چهار سناریوی ورودی بر اساس دبی سیل در 5 و4 ،3، 2 ساعت قبل طراحی و در هر سناریو سه سیگنال ورودی بر اساس تاًخیر دبی سیل به عنوان ورودی مدل طراحی شد. در مرحله بعد برای هر سناریوی ورودی در محیط نرم افزار neurosolution معماری های مختلفی از شبکه عصبی مصنوعی mlp بر اساس تعداد نرون عصبی در دو لایه مخفی، تابع انتقال، الگوریتم یادگیری و ضریب مومنتم تحت عنوان anns1،anns2، anns3،anns4 طراحی شد و هر سیگنال ورودی، در هر سناریو به طور جداگانه مورد ارزیابی قرار گرفت. سپس بهترین سیگنال ورودی در هر سناریو با توجه به کمترین rmse در مرحله آزمون مدل به عنوان سیگنال نهایی ورودی مدل انتخاب شد و مدل شبکه عصبی مصنوعی با سیکل محاسباتی متفاوت مورد آموزش و آزمون نهایی قرار گرفت. در ادامه کار با توجه به ضعف عملکرد مدل شبکه عصبی مصنوعی mlp در شبیه سازی هیدروگراف سیل در حوزه آبخیز سد شیرین دره، به منظور مقایسه کارایی این مدل با سایر مدل ها، مدل تطبیقی عصبی-فازی (anfis)انتخاب شد، که این مدل ترکیبی از مدل شبکه عصبی مصنوعی و منطق فازی می باشد. در این مرحله نیز ساختارهای مختلفی از این مدل در محیط نرم افزار matlab براساس الگوریتم آموزشی هیبرید و توابع عضویت در هر سناریو طراحی و سیگنال های ورودی طراحی شده در هر سناریو به طور جداگانه مورد ارزیابی قرار گرفت. به منظور ارزیابی کارایی دو مدل از شاخص های آماری نظیر ضریب ناش-ساتکلیف، خطای حجم سیل، خطای دبی اوج و خطای زمان تا اوج در هر چهار سیگنال نهایی در هر سناریو استفاده شد. نتایج به دست آمده از محاسبه این شاخص ها حاکی از برتری مدل تطبیقی عصبی-فازی در شبیه سازی هیدروگراف سیل در مقایسه با مدل شبکه عصبی مصنوعی بود.