การศึกษานี้เป็นการหาแนวทางบริหารอ่างเก็บน้ำป่าสักชลสิทธ์โดยพัฒนาและประยุกต์ใช้เทคนิคโครงข่ายใยประสาทเทียม (Artificial Neural Network, ANN) ในการพยากรณ์อัตราการไหลรายวันเข้าอ่างเก็บน้ำ โดยศึกษาควบคู่ไปกับการสร้างเกณฑ์การปฏิบัติงานอ่างเก็บน้ำรายเดือนโดยวิธี Probability based Rule Curve เพื่อใช้เป็นแนวทางในการบริหารอ่างเก็บน้ำในสภาวะปกติและนำแบบจำลอง ANN ที่พัฒนาขึ้นมาช่วยเสริมการบริหารอ่างเก็บน้ำในช่วงสภาวะน้ำไหลล้นอ่างและสภาวะขาดแคลนน้ำ การศึกษาพบว่า การบริหารอ่างเก็บน้ำโดยใช้เกณฑ์ตามวิธี Probability based Rule Curveในสภาพการใช้น้ำปัจจุบันและอนาคต ทำให้การไหลล้นอ่างและการขาดแคลนน้ำลดปริมาณและความรุนแรงลงได้มากกว่าเกณฑ์ที่ใช้กันอยู่ ผลการพัฒนาแบบจำลอง ANN พบว่า รูปแบบที่เหมาะสมในการพยากรณ์อัตราการไหลเข้าอ่างเก็บน้ำ คือ การพยากรณ์โดยใช้ข้อมูลแบบรวมทั้งลุ่มน้ำในระยะเวลา 1-7 วันล่วงหน้า แบบจำลอง ANN แยกเป็นแบบจำลองฤดูฝนและฤดูแล้งพบว่าให้ผลใกล้เคียงกับข้อมูลจริงโดยค่าประสิทธิภาพ (EI) ในขั้นเรียนรู้ ทดสอบ และรับรองผลของแบบจำลอง ANN ฤดูฝนสูงกว่า 90 71 และ 70% ตามลำดับ และค่าประสิทธิภาพของแบบจำลอง ANN ฤดูแล้งสูงกว่า 82 94 และ 81% ตามลำดับ การนำผลจากแบบจำลอง ANN มาประยุกต์ใช้กับการบริหารอ่างเก็บน้ำในสภาวะน้ำไหลล้นอ่าง พบว่า สามารถลดปริมาณน้ำหลากล้นอ่างได้ดีในกรณีปริมาณน้ำปานกลาง (1,134ลบ.ม./วินาที) แต่กรณีปริมาณน้ำสูงมาก สามารถลดปริมาณน้ำหลากได้เพียงเล็กน้อย (4%)สำหรับสภาวะขาดแคลนน้ำ พบว่า ไม่ทำให้การบริหารอ่างเก็บน้ำในช่วงน้ำน้อยเปลี่ยนแปลงดังนั้นแนวทางการบริหารที่เสนอแนะ คือ การบริหารอ่างเก็บน้ำรายเดือนในสภาพการใช้น้ำปัจจุบันและอนาคตใช้เกณฑ์ RCP0.04M(P) และ RCP0.03M(F) ตามลำดับ และสามารถนำแบบจำลอง ANN ฤดูฝนมาช่วยเสริมในการบริหารอ่างเก็บน้ำรายวันในกรณีปริมาณน้ำหลากล้นปานกลาง