پیش­بینی جریان رودخانه یکی از مهم‌ترین مسائل هیدرولوژیکی، ژئومورفولوژیکی و اقلیمی حوضه‌های آبخیز می‌باشد که برای مدیریت سیلاب عبوری از رودخانه‌ها و مسیل‌ها و بررسی مولفه‌های بیلان آب حوضه آبخیز از اهمیت زیادی برخوردار می‌باشد. شدت، مدت و فراوانی رواناب عبوری از رودخانه‌ها علاوه بر مورفولوژی و شرایط رودخانه، تحت تاثیر عواملی نظیر میزان بارش و توزیع زمانی و مکانی آن در سطح حوضه آبخیز، پوشش گیاهی سطح زمین، کیفیت و چگونگی فرآیند تجمع و ذوب برف، وضعیت تشکیلات زمین‌شناسی حوضه آبخیز و لایه‌بندی خاک می‌باشد. پیش­بینی جریان رودخانه‌ها و برآورد دبی عبوری رودخانه به­دلیل عکس‌العمل غیر­خطی یک حوضه‌ آبخیز به رویدادهای بارندگی، فرایندی بسیار پیچیده محسوب می‌شود و تا کنون روش‌های متعددی برای این منظور معرفی و استفاده شده‌اند که هر یک از آن‌ها دارای نقاط ضعف و قوّت مختلفی هستند. اما بطور کلی؛ روش­های مدل­سازی جریان رودخانه‌ها به دو دسته مدل­های مفهومی^[1] (بر مبنای روش­های آماری)  و مدل­های داده‌محور^[2] تقسیم­بندی می­شوند. مدل­های مفهومی عمدتاً به صورت مدل­های رگرسیونی و مدل­های سری زمانی شامل AR^[3] ،ARMA ^[4]، ARIMA^[5] و مدل نزدیک­ترین همسایگی (K-NN) ^[6] هستند. در این مدل­ها، متغیرهای وابسته به زمان می‌بایست دارای سری‌های زمانی کامل و جامعی باشند تا نتایج پیش‌بینی‌ها در سطح قابل اعتمادی باقی بماند. بر این اساس، عملکرد مدل‌های سری زمانی دارای پتانسیل پایینی برای پیش‌بینی جریان رودخانه‌ها می‌باشد؛ به‌ویژه هنگامی که اطلاعات سری زمانی جریان رودخانه بصورت ناقص در دسترس باشد. به همین دلیل، برخی محققین سراغ مدل­های داده‌محور و استفاده از فناوری‌هایی نظیر‌ یادگیری عمیق^[7] (DL) و هوش مصنوعی^[8] (AI) رفته‌اند. با ظهور مدل‌های داده­محور، طیف گسترده‌ای از فناوری‌های هوش مصنوعی برای پیش‌بینی جریان رودخانه‌ها استفاده شده و در حال توسعه می‌باشد[9]؛ بطوری‌که، هوش مصنوعی در پیش‌بینی جریان سیلابی رودخانه‌ها نقش مهم و کلیدی داشته و با پیشرفت و توسعه فناوری هوش مصنوعی در آینده، نقش و اهمیت آن بیشتر از قبل نیز خواهد شد. بدیهی است چنانچه پیش‌بینی وقوع سیلاب با کمک هوش مصنوعی با دقت مکانی و زمانی قابل قبولی ارائه شود، می‌توان از بروز خسارات جانی و مالی بسیاری در حوضه‌های آبخیز جلوگیری کرد. علاوه بر این، شبیه‌سازی مخاطرات محیطی رودخانه‌ها به کمک هوش مصنوعی، فرآیندی مقرون به صرفه و سریع بوده و با توجه به قابلیت‌های بالای این فناوری در آینده خواهد توانست جای مدل‌های مفهومی بارش - رواناب را نیز بگیرد. البته زمینه‌های استفاده از هوش مصنوعی در مدیریت منابع آب و آبخیزداری بسیار گسترده و وسیع بوده و تحقیقات زیادی نیز طی دهه اخیر انجام شده است، لیکن کاربردی‌تر‌شدن هوش مصنوعی در مباحث سیل و رودخانه می‌تواند تحولی اساسی در پیشرفت علوم و مهندسی آبخیزداری محسوب گردد. این موضوع با توجه به اضافه‌شدن متغیرهایی نظیر تاثیر پدیده تغییراقلیم بر رژیم بارش‌ها، تغییرپذیری رفتار رودخانه‌ها در برابر پدیده‌های حدّی و تاثیرپذیری مدیریت رودخانه‌ها و مسیل‌ها از مسائل اجتماعی، در آینده از اهمیت بیشتری برخوردار خواهد بود.