مدل ماسکینگام غیرخطی یکی از روش‎های روندیابی متمرکز است که در روندیابی سیلاب در رودخانه ها کاربرد دارد. اگرچه تا به امروز روش‎های بهینه‎یابی مختلفی جهت تخمین پارامترها در مدل سه پارامتری ماسکینگام غیرخطی به کار گرفته شده‎اند، اما همچنان بررسی وجود روشی دقیق برای تخمین پارامترها در فرایند واسنجی، هدف بسیاری از محققین در سال های اخیر بوده است. در کنار این مسأله برخی از محققین بر عملکرد روش حل معادله در این مدل بر روی دقت نتایج نیز تأکید داشته اند. در این مطالعه در جهت روشن نمودن بیشتر موضوع، برخلاف روش صریحی که توسط محققین پیشین برای حل معادله ماسکینگام غیرخطی مورد استفاده قرار گرفته است، حل ضمنی این معادله استفاده شد. الگوریتم بهینه‎یابی مورد استفاده در پژوهش حاضر برای واسنجی پارامترهای مدل، الگوریتم ترکیبی ژنتیک-تبرید تدریجی بود که برای اولین بار در این موضوع به کار گرفته شد. این الگوریتم ترکیبی با کاهش کمبودهای ذاتی دو الگوریتم ژنتیک و تبرید تدریجی، و با حداقل کردن مجموع مربعات اختلاف بین دبی های خروجی‎‎ مشاهداتی و روندیابی شده، بهترین مقادیر پارامترهای مدل را محاسبه می‎کند. به منظور بررسی قابلیت کاربرد مدل ماسکینگام غیرخطی، پارامترهای واسنجی شده این مدل از دیدگاه تعمیم‎پذیری نیز مورد ارزیابی قرار گرفتند. در این مطالعه، کلیه بررسی ها با به کارگیری چند مجموعه اطلاعات سیلاب مختلف انجام شدند. در مجموع نتایج بدست آمده نشانگر دقت بیشتر و عملکرد بهتر حل ضمنی معادله ماسکینگام غیرخطی در مقایسه با حل صریح آن، هم در فرایند واسنجی پارامترها و هم در شرایط تعمیم‎ پارامترها بودند. همچنین، نتیجه‎گیری شد که الگوریتم بهینه‎یابی ترکیبی ژنتیک-تبرید تدریجی نتایجی هم-ارز با بهترین الگوریتم به کار گرفته شده در مطالعات پیشین دارد و لذا می تواند به عنوان یک روش مناسب جهت واسنجی پارامترهای مدل ماسکینگام غیرخطی مورد استفاده قرار گیرد.