پیش بینی دقیق جریان های ورودی به مخزن سد می تواند نقش مهمی در ارتقای مدل های بهره برداری مخازن و کنترل سیلاب داشته باشد. در این تحقیق جریان ورودی به مخزن سد سفیدرود با استفاده از مدل های شبکه عصبی استاتیکی پرسپترون چندلایه (MLP)، دینامیکی غیرخطی خودبازگشتی (NAR) و دینامیکی غیرخطی خودبازگشتی با ورودی بیرونی (NARX) پیش بینی شده است. تمامی مدل های مذکور به کمک داده های دبی و بارش با تاخیرهای زمانی مختلف و همچنین با تعداد نورون های مختلف در لایه میانی آموزش داده شدند. تحلیل نتایج بدست آمده نشان دهنده آنست که دقت پیش بینی مدل های دینامیکی در تاخیرهای زمانی بالا از مدل های استاتیکی بیشتر است. همچنین، استفاده از 12 گام تاخیر زمانی و داده های دبی و بارش به منظور آموزش شبکه می تواند موجب بهبود عملکرد مدل های استاتیکی و دینامیکی شود.
