تخمین دبی جریان در رودخانه به دلیل تأثیر آن در مدیریت منابع آب، جلوگیری از کم آبی، خطرات سیل و همچنین حفظ محیط زیست می تواند نقش اقتصادی مهمی داشته باشد. در این تحقیق جهت پیش بینی دبی رودخانه کارون بزرگ در سه حالت بیشترین و متوسط دبی ماهیانه و همچنین دبی روزانه از دو مدل شبکه عصبی مصنوعی و سیستم فازی- عصبی استنتاجی تطبیقی واقع در جنوب غربی ایران، استفاده شده است. شبکه های عصبی انتخابی در این تحقیق، شبکه چند لایه پرسپترون و شبکه شعاع مدار رادیال بایاس می باشند که با استفاده از الگوریتم یادگیری مارکوارت – لونبرگ معروف به الگوریتم lm آموزش می یابند. همچنین جهت مدل سازی سیستم فازی- عصبی تابع عضویت گوسی شکل انتخاب شده که با استفاده از الگوریتم دسته بندی داده ها به همراه روش هیبرید آموزش دیده و تعداد قوانین و ضرایب توابع تعیین می گردند. در جهت بهبود کارایی در هر دو مدل، داده های ورودی و مطلوب به گونه ای که همه اعداد در دامنه [1+ 1- ] گیرند، نرمال شده اند. یکی از اهداف این تحقیق تعیین بهترین الگوی ورودی و بهترین ساختار برای مدل های پیشنهادی با کمترین مقدار خطا می باشد. تمام مراحل ایجاد شبکه عصبی و سیستم فازی – عصبی، آموزش و تست آن ها با استفاده از جعبه ابزار های موجود در نرم افزار matlab انجام شده است. همچنین با استفاده از رگرسیون خطی و غیرخطی، دبی رودخانه کارون بزرگ محاسبه شده و با نتایج بدست آمده و آمار واقعی مقایسه گردیده است. نتایج نشان دهنده دقت بیشتر سیستم فازی – عصبی استنتاجی تطبیقی در سه حالت پیش بینی دبی رودخانه کارون نسبت به دیگر مدل ها می باشد.