การหาค่าอัตราการไหลในแม่น้ำ จากค่าของระดับน้ำเป็นงานหลักอย่างหนึ่งของการวิเคราะห์ทางอุทกวิทยาและวิศวกรรมแม่น้ำ วิธีที่ถือปฏิบัติกันมาค่าระดับน้ำกับอัตราการไหลที่สถานีวัดจะแสดงในรูปของกราฟระดับน้ำ-อัตราการไหล (Rating Curve) อย่างไรก็ตามความสัมพันธ์ระหว่างค่าระดับน้ำ-อัตราการไหล มีลักษณะที่เปลี่ยนแปลงตามเวลาและมีความไม่แน่นอน ข้อจำกัดที่สำคัญของการใช้กราฟระดับน้ำ-อัตราการไหลนั้น จะเกิดปัญหากับความสัมพันธ์ที่มีลักษณะเป็นวงรอบ โดยเฉพาะอย่างยิ่งช่วงที่น้ำหลากเคลื่อนตัวเข้ามาค่าของอัตราการไหลจะไม่ได้ขึ้นอยู่กับค่าของระดับน้ำเพียงอย่างเดียวแต่ยังขึ้นอยู่กับสถานะของการไหลว่าเป็นช่วงน้ำขึ้น (Rising Limb) หรือช่วงน้ำลง (Recession Limb)โดยที่โครงข่ายใยประสาทเทียม (ANN) เป็นกระบวนการเรียนรู้สำหรับวิเคราะห์ความสัมพันธ์ที่ไม่เป็นเชิงเส้นได้อย่างมีประสิทธิภาพ ในการศึกษาจึงนำมาประยุกต์ใช้เพื่อจำลองความสัมพันธ์ระหว่างระดับน้ำ-อัตราการไหล โดยใช้ข้อมูลแม่น้ำเจ้าพระยาที่สถานี C.2 นครสวรรค์เป็นกรณีศึกษา วิธีการศึกษาแบ่งเป็น 3 ส่วนคือ 1) การหาตัวแปรนำเข้าของแบบจำลอง ANN ที่เหมาะสมโดยวิธีลองผิดลองถูก 2) นำผลที่ได้จากแบบจำลองมาเปรียบเทียบกับการใช้กราฟระดับน้ำ-อัตราการไหลและแบบจำลองการถดถอย โดยใช้ข้อมูลช่วงการเรียนรู้หลายขนาด 3) การทดลองเปลี่ยนขนาดของโครงข่าย ค่าอัตราการเรียนรู้และค่าของโมเมนตัมเพื่อศึกษาผลกระทบของค่าพารามิเตอร์ต่างๆ จากการวิเคราะห์ความถูกต้องของผลลัพธ์ที่ได้ พบว่าค่าอัตราการไหลที่ได้จากแบบจำลองANN ใกล้เคียงกับค่าที่ได้จากการวัดมากกว่าวิธีที่ถือปฏิบัติกันมา ยกเว้นในกรณีที่ปริมาณน้ำนั้นเกินกว่าช่วงข้อมูลที่ใช้ในการเรียนรู้ นอกจากนี้การเพิ่มขนาดโครงข่ายให้ใหญ่ขึ้นจะไม่ช่วยเพิ่มความถูกต้องขึ้นมากนัก แต่การใช้ตัวแปรนำเข้าและระยะเวลาของการเรียนรู้จะส่งผลกระทบที่มากกว่า ถึงแม้ว่าแบบจำลอง ANN จะให้ผลที่ดีกว่าวิธีในแบบเดิม แต่ในบริเวณช่วงปลายของวงรอบความสัมพันธ์ ทั้งแบบจำลอง ANN และกราฟระดับน้ำ-อัตราการไหลยังไม่สามารถจำลองความสัมพันธ์ได้ดีนัก ดังนั้นข้อมูลจากการวัดจริงยังคงเป็นสิ่งสำคัญยิ่งสำหรับการพัฒนาแบบจำลองในทางอุทกวิทยา