روش های مبتنی بر ترکیب مدل ها، با تقسیم مساله پیچیده شبیه سازی به تعدادی مدل موضعی ساده و ترکیب جواب های آنها ممکن است به جواب های متفاوتی منتهی شوند. در این روش فضای ورودی به زیرفضاهایی تفکیک می شود و به هر بخش ویژه از این فضای ورودی تفکیک شده، مدل های مجزایی اختصاص می یابد. در این تحقیق با استفاده از سیل های تولید شده توسط یک مدل هیدرولوژیکی، مزیت استفاده از مدل های ترکیبی (Hybrid) نسبت به مدل های فراگیر در پیش یینی سیل زمان واقعی ارزیابی شده است. بدین منظور نتایج حاصل از یک شبکه عصبی فراگیر که کل فرایند سیل را توسط یک شبکه واحد شبیه سازی می کند با نتایج حاصل از دو مدل شبکه عصبی- یکی دارای 4 شبکه عصبی و دیگری دارای 8 شبکه عصبی- مقایسه شده است. براساس نتایج به دست آمده مشاهده می شود که مدل های ترکیبی در پیش بینی سیل – به ویژه در پیش بینی زمان و مقدار دبی اوج که افزایش دقت در پیش بینی آن ها در سیستم های هشدار سیل از اهمیت ویژه ای برخوردار است - به طور قابل ملاحظه ای بهتر از مدل فراگیر عمل می کنند.