با توجه به اهمیت رواناب تولید شده در مدیریت منابع آب و حوزه های آبخیز، در این پژوهش مدل هیدرولوژیکی توزیعی wetspa و مدل های هوشمند یکپارچه شبکه عصبی مصنوعی پرسپترون چندلایه (mlp) و شبکه عصبی- فازی تطبیقی (anfis) به منظور شبیه سازی فرآیند بارش- رواناب و تخمین دبی روزانه حوزه آبخیز بالخلوچای در استان اردبیل مورد استفاده قرار گرفتند. برای این منظور، ابتدا لایه¬های رقومی مورد نیاز شامل مدل رقومی ارتفاع از نقشه های توپوگرافی 1:50000 منطقه، نقشه کاربری اراضی از پردازش تصویر etm+ ماهواره لندست 7 و نقشه بافت خاک با تجزیه و تحلیل آزمایشگاهی 38 نمونه خاک سطحی برداشت شده از حوزه آبخیز، با اندازه سلولی 100×100 متر برای منطقه مورد مطالعه تهیه شدند. همچنین سری¬های روزانه بارندگی، تبخیروتعرق پتانسیل، دما و دبی از سازمان آب منطقه ای استان اردبیل به دست آمدند. سپس داده های سال های آبی 1387-1386 تا 1389-1388 به منظور واسنجی مدل wetspa و آموزش مدل های هوشمند عصبی و داده های سال های 1390-1389 و 1391-1390 به منظور اعتبارسنجی و آزمون مدل های مذکور مورد استفاده قرار گرفتند. واسنجی اتوماتیک و آنالیز حساسیت پارامتر های مدل wetspa نیز با استفاده از نرم افزار pest انجام شد. در نهایت مدل mlp با الگوریتم آموزشی لونبرگ- مارکوارت، تابع انتقال تانژانت آکسون و دو لایه مخفی و مدل anfis با الگوریتم آموزشی پس انتشار خطا، تابع عضویت زنگوله ای و 50 بار تکرار آموزش به عنوان بهترین ساختار های شبکه های هوشمند عصبی انتخاب شدند. نتایج آنالیز حساسیت نشان داد که در مدل wetspa، ضریب افت آب زیرزمینی (kg) و در مدل های mlp و anfis، دبی روز قبل ایستگاه هیدرومتری یامچی به عنوان حساس ترین پارامترها و حداکثر ذخیره آب زیرزمینی (gmax) در مدل wetspa، بارندگی با دو روز تأخیر در مدل mlp و تبخیروتعرق روزانه در مدل anfis به عنوان پارامترهایی با کمترین حساسیت هستند. بررسی عملکرد مدل ها با استفاده از ضرایب مختلف ارزیابی کارایی نشان داد که مدل های مذکور به ترتیب کاهش دقت شبیه سازی عبارتند از mlp، wetspa و anfis. همچنین نتایج نشان داد که در مدل wetspa، دقت شبیه سازی دبی های بالا بیشتر از دبی های پایین و در مدل mlp، دقت شبیه سازی دبی های پایین بیشتر از دبی های بالا است.