امروزه یکی از مهمترین مسائل در برنامه ریزی و مدیریت منابع آب، پیش بینی میزان جریان رودخانه در نقطه مشخصی از آن می باشد. شبیه سازی و مدیریت آبهای سطحی می تواند کمک شایانی در مدیریت آب کشاورزی، سیلاب و خشکسالی داشته باشد. آگاهی داشتن از حجم جریان ورودی به مخازن سدها در دوره های زمانی آینده، از مهمترین و ارزشمندترین اطلاعاتی است که به سیاستگذاری برنامه ریزان در مدیریت و تخصیص منابع آب کمک می کند. این تحقیق به منظور مدلسازی میزان جریان ورودی به مخزن سد دز با مدل های سری زمانی، شبکه عصبی و رگرسیون انجام شده است. جهت مدلسازی با روش شبکه عصبی مصنوعی، داده های آبدهی و بارش ماهانه به عنوان ورودی و آبدهی ماه اجرای مدل به عنوان خروجی شبکه در نظر گرفته شد و بعد از برازش مدل های مختلف شبکه عصبی، مدل مناسب جهت پیش بینی جریان انتخاب گردید. در روش رگرسیون از پارامترهای آبدهی، بارش، دما و رطوبت برای پیش بینی جریان استفاده شد. همچنین با برازش مدل های مختلف باکس جنکینز، مدل 12(1،1،0)×(0،1،5) انتخاب شد. در نهایت نتایج نشان داد که مدل شبکه عصبی مصنوعی از کارایی بهتری نسبت به مدل های باکس جنکینز و رگرسیون خطی برخوردار است.