با توجه به ضرورت پیش بینی جریان (کوتاه مدت، بلندمدت) در زمینه های هیدرولوژی و مدیریت منابع آب از قبیل تعیین ورودی مخازن، پیش بینی سیل و سیاست های بهره برداری، مدل های پیش بینی جریان بسیار مورد توجه قرار گرفته اند. در چند سال اخیر استفاده از تصاویر ماهواره ای به دلیل مشکلات مربوط به ایستگاه های زمینی (نقطه ای بودن ایستگاه، صعب العبور بودن نصب ایستگاه در نقاط مرتفع،...) بسیار مورد توجه قرار گرفته است. لذا، به منظور افزایش عملکرد مدل علاوه بر جریان میانگین ماهانه، بارش ماهانه، دمای میانگین ماهانه و آب معادل برف حاصل از ایستگاه های اندازه-گیری برف از تصاویر ماهواره ای modis و avhrr/2 نیز برای مدل پیش بینی استفاده شده است. با استفاده از الگوریتم برف سنجی سطح پوشش برف تفکیک شده و با تلفیق سطح پوشش برف با آب معادل برف، حجم آّب معادل برف به عنوان ورودی مدل پیش بینی در نظر گرفته می شود. در این مطالعه، از مدل anfis برای پیش بینی بلند مدت جریان (ماهانه و فصلی) بخش هایی از حوزه تهران منتهی به دریاچه نمک که عمده منابع آب آن مصرف شرب است، استفاده شده است. طول دوره آماری 19 سال (1368-1386) لحاظ گردیده است .به منظور مقایسه، نتایج روش anfis با نتایج حاصل از روش ann مورد مقایسه قرار گرفته است. همچنین به منظور بررسی نقش روش های انتخاب داده (cross-validation) برای آموزش و تست از روش k-fold برای هر دو مدل پیش بینی استفاده شده است و این روش با روش های متداول مورد مقایسه قرار گرفته است. نتایج نشان دهنده برتری روش anfis با بهره گیری از روش k-fold نسبت به روش مشابه ann در پیش بینی بلند مدت و مدلهای پیچیده تر می باشد.. به منظور افزایش تعداد داده و بهبود عملکرد مدل، از تبدیل حوزه به چند زیر حوزه استفاده شده است. نتایج نشان داد که روش زیرحوزه بندی عملکرد مدل را به صورت قابل توجهی بهبود می بخشد.