برآورد و تعیین رواناب مستقیم رودخانه ها در عمل کار پیچیده ای است و تاکنون روش های متفاوتی برای محاسبه آن پیشنهاد شده است. یکی از روش های جدید در حل مسائل مهندسی آب و رودخانه ها و همچنین برآورد دبی رودها، استفاده از روش شبکه عصبی مصنوعی است که با الگوبرداری از شبکه عصبی مغز انسان، ضمن اجرای فرایند آموزش، روابط درونی بین داده ها را کشف می کند و آن را به موقعیت های دیگر تعمیم می دهد. هدف عمده پژوهش حاضر نیز برآورد رواناب از طریق تجزیه و تحلیل روابط بارش ـ رواناب براساس داده های کمی ژئومورفولوژی و با استفاده از تکنیک شبکه های عصبی مصنوعی ژئومورفولوژیکی (GANN) در حوضه امامه (از زیرحوضه های جاجرود) است. در مطالعه حاضر بر مبنای ساختمان ژئومورفولوژی شبکه هیدرولوژی حوضه مورد نظر، یک سامانه شبکه عصبی ژئومورفولوژیکی سه لایه با تعدادی نودهای میانی برابر تعداد مسیرها یا وضعیت های ژئومورفولوژیکی شبکه هیدرولوژی حوضه به منظور برآورد رواناب مستقیم ایجاد گردید. وزن های مربوط به اتصالات درون شبکه ای ساختمان آن مدل با استفاده از متغیرهای ژئومورفولوژی تعیین شد. نتایج به دست آمده از مدل شبکه ای مذکور با اطلاعات حاصل از مشاهدات مستقیم به منظور نشان دادن کارایی آن مقایسه شد. ارزیابی نتایج، حاکی از عملکرد بسیار خوب (97/0=2R) مدل شبکه ژئومورفولوژیکی در تعیین پاسخ های هیدرولوژیکی حوضه مورد مطالعه است. بدین وسیله، برتری مدل مذکور بر روش های رایج و معمول نشان داده می شود.
