مدل نماینده ساده ای از کل یک سیستم وبه عبارتی نمایانگر واقعیت های موجود در یک سیستم است. منظور از مدل ارائه روشی برای ساده سازی یک پیچیدگی است. برحسب استفاده از روش های گوناگون برای انجام آن ساده سازی انواع مدل خواهیم داشت. مدل های جعبه سفید (مدل های توزیعی) بر مبنای روابط و معادلات ریاضی حاکم و پارامترهای فیزیکی موجود در پدیده ارائه می شود. مدل های جعبه سیاه ارائه معادلات و روابط ریاضی در آن ها ممکن نیست و پارامترهای فیزیکی موثر بر آن به راحتی قابل تخمین نیستند. مدل های جعبه خاکستری (مدل های نیمه توزیعی) حالت حد وسط دو مدل فوق هستند. مدل های جعبه سیاه با دریافت ورودی و انجام یکی سری عملیات ریاضی خروجی مورد نظر را تخمین می زنند. انواع مدل های جعبه سیاه دارای پارامتر ها و ضرایبی هستند که با توجه به داده های ورودی و خروجی مشاهداتی تخمین زده می شوند. بنابراین مدل های جعبه سیاه به داده های ورودی و خروجی از نظر کمیت و کیفیت داده ها بستگی دارند. علت رویکرد به فصل اول کلیات مدل های جعبه سیاه در فرآینده های هیدرولوژیکی خاصیت غیرخطی بودن و عدم قطعیت ذاتی فرآیندهای استوکستیک، نیاز به اطلاعات تاریخی بلند طولانی مدت و پیچیده بودن پارامترهای فیزیکی دخیل در فرآیند است. پدیده بارش و رواناب یکی از این فرآیندهاست، که مدل های جعبه سیاه برای ایجاد رابطه بین داده های بارش و رواناب به کار می روند. حسن عمده مدل های جعبه سیاه حساسیت کمتر مدل به خطای داده های ورودی و قابلیت پردازش موازی داده های مورد استفاده است. عیب عمده این مدل ها در مقایسه با مدل های توزیعی این است که مدل توسعه داده شده برای یک منطقه به سایر مناطق قابل تعمیم نیست. یکی از مهم ترین پارامترهای دخیل در مدل سازی های هیدرولوژیکی پدیده بارش-رواناب است. در میان ریزش های جوی بارندگی مهم ترین فرآیند چرخه هیدرولوژیکی یک حوضه است. وقتی بارندگی به وقوع می پیوندد به تبع آن سایر فرآیند های هیدرولوژیکی از جمله سیلاب، فرسایش، رسوب گذاری، آلودگی آب های سطحی و زیرزمینی و ... به وجود می آید. پس داشتن مدل برای تبدیل بارش به رواناب امری مهم است. اما از آنجاییکه فرآیند بارش دارای تغییرات مکانی و زمانی است رواناب حاصل را نیز همواره تحت شعاع قرار می دهد و این امری است که همواره مورد توجه محققین بوده است. از دلایل مدل سازی یک سیستم بسیار پیچیده نیاز به مطالعه ی داده های یک سیستم برای شناخت رفتار آن سیستم و سپس استفاده از نتایج آن در بخش های محاسبات و حل معادلات مربوطه می باشد. بنابراین برای مدل سازی همچون سیستم پیچیده ای مانند بارش-رواناب باید از جدید ترین روش های پیشنهادی مطرح در جهان استفاده کرد. مدل سازی صحیح یک حوضه قسمت اعظم مشکلات و نواقص و حتی استعداد های آن فصل اول کلیات حوضه را برآورد می کند که بسیار حائز اهمیت است. لذا یکی از راه های مطالعه دقیق فرآیند بارش-رواناب استفاده از روش های هوشمند در یافتن رابطه بین داده های ورودی و خروجی پدیده بارش-رواناب است. رویکرد پویایی سیستم ها برگرفته از تفکرسیستمی ، ابزاری مفید درمدیریت و برنامه ریزی ها است. تفکر سیستمی که اساس و مبنای رویکرد پویایی سیستم ها به شمار می رود، درمقابل تفکر خطی بکار برده می شود.درتفکرخطی فرض می شود اتفاقات و مکانیزم به وجود آورنده آن ها درون سیستم، درطول زمان ثابت عمل می کنند، درحالی که تفکر سیستمی بر پایه تئوری فرآیندهای بازخوردی استواراست. درتفکرخطی هیچ گونه بازخوردی از خروجی به ورودی درنظرگرفته نمی شود و آن ها به مدل اطلاق می شود. در طول سال های گذشته این روش به عنوان یکی از ابزارهای مدل سازی در منابع آب و هیدرولوژی بوده است. از این رو در این تحقیق سعی شده است با استفاده از این رویکرد یکی از مدل های معروف بارش-رواناب یعنی مدل تانک را مدل سازی کرده تا بتوان فرآیند بارش-رواناب را با آن شبیه سازی نمود. برنامه ریزی ژنتیک یک الگوریتم تکاملی است که از نظریه تکامل داروین الهام گرفته است.در سال های اخیر، الگوریتم های قدرتمند از سیر تکاملی طبیعی الهام گرفته اند و می توانند برای موضوعات مختلف در حل مسائل بکار گرفته شوند. این روش های هوشمند در طول دو دهه اخیر به صورت گسترده در شبیه سازی فرآیند های مختلف هیدرلوژیکی مورد استفاده قرار گرفته اند. از آن جایی که این روش ها قابلیت برازش یک رابطه بین ورودی ها و خروجی ها را دارند در مسائل هیدرولوژیکی و مدل سازی جعبه سیاه طرفداران بسیاری یافته اند.