شبیه سازی جریان رودخانه به عنوان اولین و مهم ترین گام جهت کنترل سیلاب در مدیریت منابع آب می باشد. در این تحقیق جریان روزانه رودخانه ماربره واقع در استان لرستان، با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی مورد بررسی قرار گرفت. بر این اساس ترکیب های مختلفی با استفاده از پارامترهای بارندگی و دما در دوره زمانی مورد نظر و جریان رودخانه در دوره های زمانی ما قبل، طی دوره آماری (1377-1391) بعنوان ورودی و جریان رودخانه در دوره مورد نظر بعنوان پارامتر خروجی در مقیاس زمانی روزانه مورد ارزیابی قرار گرفت. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف جهت ارزیابی و نیز مقایسه عملکرد روش ها مورد استفاده قرار گرفت. نتایج حاصله نشان داد مدل ترکیبی با ورودی جریان رودخانه در دوره زمانی ماقبل و بارش و دما در دوره زمانی مورد نظر توانسته با استفاده از دو مدل هوش مصنوعی مورد بررسی، در شبیه سازی جریان رودخانه نتایج قابل قبولی ارائه نماید. مقایسه هر دو روش نشان داد از لحاظ دقت، مدل سیستم استنتاج عصبی-فازی با ضریب همبستگی (970/0)، جذر میانگین مربعات خطا (m3/s 001/0) و نش ساتکلیف (928/0) در مرحله صحت سنجی در اولویت قرار گرفت. در مجموع نتایج نشان داد که مدل سیستم استنتاج عصبی-فازی توانایی بالایی در تخمین مقادیر کمینه و میانی و نیز همبستگی قابل قبولی با مقادیر مشاهداتی دارد.