Artificiella neurala nätverk (ANN) är en biologiskt inspirerad datormetod som kan ta emot stora mängder data, hitta mönster, lära av dem och sedan utveckla förutsägelser för framtida händelser. De har föreslagits som ett användbart verktyg för att bearbeta de komplexa sambanden mellan stora mängder data relaterade till omvandlingen av nederbörd till avrinning. Detta förhållande är ett av de svåraste hydrologiska problemen som vattenresursförvaltare står inför.

Forskare vid Universiti Putra Malaysia "lärde" en ANN att förutsäga daglig avrinning för Bertamfloden in i Ringlet Reservoir 200 kilometer norr om Kuala Lumpur. De samlade in data om daglig nederbörd och strömflöde från Bertam Rivers avrinningsområde under en tioårsperiod, från 2003 till 2012, och uppskattad daglig vattenavdunstning med hjälp av temperaturdata som samlats in från närmaste station till reservoaren. 70 procent av denna data matades in i modellen för att träna den medan de återstående 30 % av data användes för att testa modellens noggrannhet med hjälp av statistiska utvärderingsmätningar. ANN utvecklades för att kartlägga sambandet mellan nederbörd och avrinning. Ju fler faktorer som används, desto mer exakta resultat. ANN kunde förutsäga flodströmsflödet in i reservoaren med 76 % noggrannhet.

"Resultaten indikerar att det artificiella neurala nätverket är ett kraftfullt verktyg för att modellera nederbördsavrinning, " rapporterar forskarna i en Pertanika Journal of Science &Technology studie. "De erhållna resultaten kan hjälpa vattenresursförvaltare att driva reservoaren på rätt sätt i händelse av extrema händelser som översvämningar och torka, " lägger de till.

ANN:s prediktiva kraft skulle kunna förbättras genom att inkludera ytterligare insatser som avskogning, jordbruksverksamhet och markanvändning, säger forskarna.