El presente trabajo explora el uso de Redes Neuronales Artificiales (RNA) para pronosticar los flujos del río Nilo Azul en el Sudán. Cuatro ANN modelos lluvia-escorrentía basado en la estructura del perceptrón multicapa conocidos son desarrollados. Para ello, utilizan el índice de precipitaciones como de entrada externo común, con el índice de precipitaciones de ser una suma ponderada de las lluvias recientes y actuales. Estos modelos difieren en cuanto a las entradas externas adicionales siendo utilizado por el modelo.

Las entradas adicionales son básicamente las expectativas de la temporada tanto el índice de precipitaciones y la descarga observado. Los resultados muestran que el modelo, que utiliza tanto la expectativa de temporada de la descarga observado y el índice de precipitaciones como entradas adicionales, tiene el mejor rendimiento.

Las descargas estimado de este modelo son más actualizado mediante un modelo no lineal exógenos-de entrada Auto-regresiva (NARXM)-ANN caudal de los ríos previsión de salida-la actualización de procedimiento. De esta manera, un flujo en tiempo real río modelo de previsión se desarrolla. Los resultados muestran que la actualización de la previsión ha mejorado significativamente la calidad de las previsiones de descarga. Los resultados también indican que el RNA tiene un potencial considerable para ser utilizado para predecir el caudal del río en los países en desarrollo.