در این تحقیق با استفاده از اطلاعات روزانه، هفتگی، 10 روزه و ماهانه آب ورودی به سد علویان در شمال غرب ایران، جریان بهنگام آب ورودی به مخزن با استفاده از سیستم تطبیقی فازی-عصبی بهینه شده (OANFIS) پیش بینی شده است. به منظور تعیین تعداد و فواصل زمانی ورودی های مدل، از دو الگوریتم جستجوی ترتیبی (Sequential Search) و جستجوی جامع (Exhaustive Search) جهت حداقل نمودن خطای پیش بینی استفاده شده است. در جستجوی ترتیبی 17 مدل در مقیاس زمانی روزانه، هفتگی، 10 روزه و ماهانه با ورودی جریان آب به مخزن سد در گام های زمانی مختلف، به عنوان ورودی و جریان در زمان V(t) به عنوان خروجی، توسعه و مقایسه شده است. در جستجوی جامع نیز ترکیب 2 از 10 و 3 از 10 که شامل 45 و 120 مدل در گام زمانی V(t-1) تا V(t-10) به عنوان ورودی و خروجی در گام زمانی V(t)، توسعه و مقایسه شده است. به منظور ارزیابی کارایی مدل های توسعه یافته، از شاخص های آماری و آزمون نکویی برازش استفاده شده است. در الگوریتم ترتیبی و مقیاس روزانه در اولین گام ورودی V(t-1) با RMSE صحت یابی برابر 211/0 میلیون مترمکعب، در گام دوم ترکیب ورودی V(t-1) و V(t-8) با RMSE صحت یابی برابر 187/0 میلیون مترمکعب و در گام سوم V(t-4)، V(t-3)، V(t-1) با RMSE صحت یابی برابر 5247/1 میلیون مترمکعب انتخاب شده است. در مقیاس هفتگی در اولین گام ورودی V(t-1) با RMSE صحت یابی برابر 175/0 میلیون مترمکعب، در گام دوم ترکیب ورودی V(t-1) و V(t-3) با RMSE صحت یابی برابر 192/0 میلیون مترمکعب و در گام سوم V(t-9)، V(t-8)، V(t-1) با RMSE صحت یابی برابر 3912/0 میلیون مترمکعب انتخاب شده است. در کلیه مدل های بهینه در مقیاس های زمانی موردبررسی، ورودی V(t-1) به عنوان یک متغیر تاثیرگذار حضورداشته و خروجی مدل از حساسیت بالایی نسبت به تغییرات آن که دارای کمترین فاصله زمانی با خروجی نیز می باشد، برخوردار است.