بررسی و پیش¬بینی آبدهی موضوعی است که به علت اهمیت آن در طراحی پروژه¬های آبی همواره مورد نظر متخصصان بوده و آنها را بر آن داشته است با ابداع روش¬های مختلف ¬درصدد دستیابی به حداکثر دقت در پیش-بینی جریان رودخانه¬ها باشند. از طرفی هم با توجه به اهمیت و حساسیت امر مهار آب های سطحی خصوصاً در کشور ما که اکثر رودخانه های مناطق مختلف فصلی بوده و کمبود آبی که در پهنه وسیعی از کشور وجود دارد، نیاز به شناسایی و به مدل در آوردن رفتار رودخانه¬ها و شریان های آبی جهت برنامه ریزی های بلندمدت و استفاده بیشتر و بهتر از پتانسیل های آنها عمیقاً احساس می شود. هدف از این پژوهش پیش بینی جریان رودخانه خرم-آباد با شبکه عصبی مصنوعی و مدلهای سری زمانی می باشد. در این پژوهش از سه شبکه پرسپترون چند لایه، پس انتشار و تابع شعاع مدار جهت پیش¬بینی سیلاب رودخانه خرم¬آباد استفاده شد و نتایج این شبکه¬ها با مدل-های سری زمانی مقایسه گردید. برای این منظور از داده¬های روزانه اقلیمی و هیدرولوژیکی سه ایستگاه چم-انجیر،خرم¬آباد و دهنو طی دوره آماری 31 ساله استفاده شد. با بررسی همبستگی بین این داده¬ها و آبدهی رودخانه خرم¬آباد پارامترهای موثر بر آبدهی تعیین شد. پس از نرمال کردن داد¬ه¬ها، مدل¬های مختلف ایجاد شد. بررسی مدل¬های مختلف نشان داد که شبکه های تابع شعاع مدار بهترین نتایج را در بین انواع شبکه عصبی دارند. با مقایسه این شبکه¬ها و مدل¬های سری زمانی مشخص شد که مدل شبکه عصبی عملکرد بهتری دارد و پیش¬بینی بهتری نسبت به مدل arimax و arima از جریان رودخانه خرم¬آباد ارایه می¬دهد.