روندیابی سیلاب، یکی از پیچیده ترین مسائلی است که در علم هیدرولیک کانال های باز و مهندسی رودخانه مورد بررسی قرار گرفته است. روش های مختلفی در زمینة روندیابی سیلاب وجود دارند که به دو گروه گسترده و متمرکز تقسیم بندی می شوند. امروزه تکنیک جدید استفاده از مدل شبکه های عصبی مصنوعی تکاملی که مبتنی بر هوش مصنوعی می باشد کاربرد گسترده ای در زمینه های مختلف علمی به ویژه مهندسی آب پیدا کرده است. در این تحقیق به روندیابی سیل در رودخانه مارون، بازه خیرآباد-پل فلور با استفاده از مدل های شبکه عصبی مصنوعی تکاملی JEN, FF, MNN و RBFپرداخته شد. از جمله مواردی که به عنوان یک روش جدید بیان شده است تعیین تعداد و تاخیر زمانی موثر داده های ورودی در مدل های شبکه عصبی مصنوعی با استفاده از روش همبستگی عرضی خطی بین سری های زمانی ورودی ها و خروجی ها می باشد. با استفاده از الگوریتم ژنتیک ساختار مدل های شبکه عصبی مصنوعی از نظر تعداد لایه ها، تعداد گره ها در لایه پنهان، نوع تابع انتقال و الگوریتم یادگیری شبکه بهینه گردید. نتایج نشان می دهد که روش همبستگی عرضی به خوبی تعداد و تاخیر زمانی موثر داده های ورودی را تعیین می نماید. علاوه بر این مقایسه خروجی مدل ها با مقادیر واقعی نشان می دهد که مدل MNN انتخاب شده نسبت به مدل های آماری و مدل های دیگر شبکه عصبی مصنوعی توانایی ، انعطاف پذیری و دقت بیشتری در پیش بینی و روندیابی سیلاب در رودخانه مارون را دارند.