پیش بینی جریان رودخانه برای دستیابی به اطلاعات کاربردی در مورد طیف گسترده ای از مشکلات مربوط به طراحی و بهره برداری از سیستم های رودخانه مورد نیاز است. با وجود اینکه مدلهای مفهومی یا مبتنی بر اطلاعات فیزیکی و داده های اقلیمی برای درک فرآیندهای هیدرولوژیکی اهمیت دارند، حوضه های فاقد آماری وجود دارند که پیش‌بینی دقیق جریان در آنها بر اساس داده های اقلیمی ممکن نیست. همچنین استفاده از مدلهای ریاضی علاوه بر پیچیدگی، نیاز به فرآیند وقت گیر واسنجی و صحت سنجی دارد. در چنین شرایطی ترجیح داده می‌شود که یک مدل ساده (داده محور یا یادگیری ماشین) توسعه داده شود تا با ایجاد ارتباط بین ورودی‌ها و خروجی‌ها بدون نیاز به اطلاعات و داده های گسترده برای پیش بینی مستقیم دبی رودخانه مورد استفاده قرار گیرد. هدف از این تحقیق بررسی کارایی مدل ماشین آموزش نیرومند (ORELM) برای پیش بینی دبی رودخانه قره سو در محل ایستگاه پل کهنه (کرمانشاه) می باشد. نتایج حاصل از کاربرد مدل هوش مصنوعی ORELM نشان می دهد این روش توانسته است در دوره آماری 65 ساله با کمترین میزان خطا در مراحل train و test دبی ورودی رودخانه را پیش بینی نماید. بطوری که مقدار RMSE در این روش در حالت تاخیر یک ماهه (t-1) در دو مرحله train و test به ترتیب 22/12و 14/4 بود. لذا با استفاده از مدل های هوش مصنوعی با صرف زمان و هزینه کم اطلاعات مدیریتی ارزشمندی در خصوص پیش بینی دبی جریان رودخانه در سال های خشک و تر به دست می آید.
)