پیشبینی آبدهی رودخانه و بررسی عوامل موثر بر آن از مهمترین مباحث مدیریت منابع آب به شمار میرود. در سالهای اخیر استفاده ار تئوری مجموعه های فازی جهت مدلسازی پدیده های هیدرولوژیکی که دارای عدم قطعیت بالایی هستند، مورد توجه محققان قرار گرفته است. در این پژوهش از مدلهای مبتنی بر منطق فازی شامل سیستم استنتاج فازی (System Inference Fuzzy، FIS ) و (ANFIS) ،Adaptive Neuro-Fuzzy Inference System فازی -عصبی تطبیقی استنتاج سیستم به منظور پیشبینی جریان روزانه رودخانه استفاده شده است. به این منظور، از سه پارامتر بارندگی، دما و دبی روزانه حوضه آبریز لیقوانچای برای پیشبینی جریان روزانه رودخانه لیقوان، استفاده شده است.
در پیش پردازش اولیه داده ها، تصادفی بودن آنها با استفاده از آزمون نقاط عطف (نقطه بازگشت) مورد بررسی قرار گرفت. سپس برای تعیین مدلهای بهینه ورودی به سیستمها، همبستگی نگار داده ها مورد بررسی قرار گرفت. در نهایت پیش بینی در دو بخش ترکیبی و پیشبینی بر اساس دبی روزهای قبل انجام شد. ارزیابی نتایج پیش بینی ها با استفاده از معیارهای گوناگون از جمله معیار ناش- ساتکلیف (CNS (Criterion Sutcliff-Nash نشان داد که مدل ANFIS با دقت بالاتر (۰/۹۹۸=CNS) و پراکندگی کمتری نسبت به مدل FIS ( ۰/۹۹۳=CNS ) دبی این رودخانه را پیش بینی کرده است.