یکی از روش­های پیش­بینی دبی اوج استفاده از مدل جعبه سیاه از جمله شبکه عصبی مصنوعی است. نقطه ضعف شبکه­های عصبی در جعبه سیاه عدم وجود قانون تایید شده برای معماری شبکه آنها است، معیار مناسبی برای تعیین تعداد لایه­ و تعداد نرون در لایه پنهان، نوع تابع فعالسازی برای لایه پنهان و لایه خروجی وجود نداشته و تنها راه­ حل استفاده از روش سعی و خطا می­باشد. در این تحقیق با استفاده از شبکه عصبی پرسپترون و با ثابت نگه داشتن نوع تابع فعالسازی برای لایه پنهان نوع تابع فعالسازی در لایه خروجی برای دو زیرحوزه گته­ده و گلینک واقع در حوزه آبخیز طالقان بررسی گردید. 20 درصد داده­ها برای مرحله آزمایش، 65 درصد برای مرحله آموزش و 15 درصد برای مرحله اعتبارسنجی وارد نرم­افزار مطلب شدند و دو تابع فعالسازی خطی و سیگموئیدی برای لایه خروجی انتخاب گردید. در هر دو ایستگاه تابع خطی با داشتن کمترین RMSE برای لایه خروجی مناسب تشخیص داده شد و تعداد نرون مناسب در ایستگاه گته­ده پنج و در ایستگاه گلینک شش انتخاب شد.