هدف این مطالعه ارزیابی کارایی نرم افزار win-gamma در پیش بینی جریان رودخانه ی حوضه ی آبریز امامه می باشد. در این مطالعه روش گاما تست برای انتخاب بهینه ترکیب ورودی به مدل به کار گرفته شد. همچنین برای تشخیص بهینه تعداد داده های مورد نیاز برای مدل سازی از آزمون m استفاده شد. در این مطالعه از داده های بارندگی p(t) و روانابr(t) حوضه ی آبریز امامه در مقیاس روزانه و در طول دوره ی آماری 1388- 1379 استفاده شد. نه متغیر شامل سری مربوط به جریان با تأخیر یک روزه (r(t-1))، دو روزه (r(t-2))، سه روزه (r(t-3)) و چهار روزه (r(t-4))، سری بارندگی روزانه بدون تأخیر زمانی (p(t)) و با تأخیرهای یک روزه (p(t-1))، دو روزه (p(t-2))، سه روزه (p(t-3)) و چهار روزه (p(t-4)) به عنوان متغیر ورودی انتخاب شد. تعداد نقاط بهینه برای بخش آموزش با استفاده از آزمون m مشخص شد. سپس مدل سازی جریان آب رودخانه با استفاده از متغیرهای انتخاب شده و با استفاده از تعداد نقاط بهینه با روش های شبکه ی عصبی مصنوعی، رگرسیون خطی محلی و سیستم استنتاج فازی- عصبی تطبیقی انجام شد. نتایج نشان داد که پنج متغیر شامل p(t)، p(t-1)، p(t-3)،r(t-1) و r(t-2) به عنوان متغیرهای موثر در مدل سازی جریان رودخانه حوضه ی مذکور می باشند. همچنین با استفاده از خروجی آزمون m، تعداد 2383 داده برای بخش آموزش مدل سازی مناسب تشخیص داده شد. نتایج حاکی از این واقعیت بود که در بخش آموزش روش رگرسیون خطی محلی از دو روش دیگر از دقت بیشتری برخوردار بود. در حالیکه در بخش تست روش شبکه ی عصبی مصنوعی عملکرد بهتری در مقایسه با دو روش دیگر داشت. با توجه به اینکه با استفاده از نرم افزار win-gamma علاوه بر انتخاب بهینه ترکیب ورودی و تعیین تعداد داده ی کافی در مرحله ی آموزش می توان مدل سازی را نیز انجام داد بنابراین، کارایی این نرم افزار خوب ارزیابی می شود.