بروز سیلاب های سهمگین در اثر تغییرات آب و هوایی طی دهه های اخیر سبب بروز خسارات فراوانی در نواحی مختلف دنیا شده است. در نواحی خشک تأثیر این تغییرات محسوس تر است. در این بین استان سیستان و بلوچستان با آب و هوای گرم و خشک، مستعد وقوع سیل می باشد. بطوریکه بزرگترین سیلاب های کشور در این منطقه بوقوع پیوسته است. حوضه آبریز سرباز که در قسمت های جنوبی این استان پهناور قرار گرفته، متأثر از شرایط موجود، هر ساله شاهد وقوع سیل و نتایج مخرب آن می باشد. هدف از این پژوهش پیش بینی سیلاب رودخانه سرباز با شبکه عصبی مصنوعی می باشد. در این پژوهش از سه شبکه پرسپترون چند لایه، پس انتشار و radial basis جهت پیش بینی سیلاب رودخانه سرباز استفاده شد و نتایج این شبکه ها با مدل رگرسیون چند متغیره مقایسه شده است. برای این منظور از داده های روزانه اقلیمی و هیدرولوژیکی سه ایستگاه سرباز، ایرانشهر و پیردان طی یک دوره 28 ساله (مهر 1360 تا شهریور 1388) استفاده شد. با بررسی همبستگی بین این داده ها و دبی رودخانه سرباز پارامترهای موثر بر سیلاب تعیین شد. پس از نرمالیزه کردن داده ها، مدل های مختلف ایجاد شد. بررسی مدل های مختلف نشان داد که شبکه های radial basis بهترین نتایج را در بین انواع شبکه عصبی دارند. با مقایسه این شبکه ها و روش رگرسیونی مشخص شد که مدل شبکه عصبی عملکرد بهتری دارد و پیش بینی بهتری نسبت به روش رگرسیونی از سیلاب رودخانه سرباز ارائه می دهد.