در این تحقیق، مدل­سازی فرآیند غیرخطی بارش- رواناب با استفاده از مدل خطی ولترا انجام می­شود. بدین منظور، داده­های بارش و رواناب همزمان مربوط به پانزده رویداد از حوزه آبخیز ناورود واقع در شمال کشور جمع­آوری گردیده و به­ترتیب 70 % و 30 % رویدادها برای آموزش و تست مدل بکار برده شدند. در نهایت، عملکرد مدل ولترا با شبکه عصبی پرسپترون چند لایه و با استفاده از پنج معیار عملکرد مختلف مورد مقایسه قرار گرفت. نتایج نشان داد که مدل هوشمند شبکه عصبی از توانایی بالاتری نسبت به مدل ولترا در پیش­بینی­های رواناب حوزه آبخیز ناورود برخوردار بود. بطور­کلی، مدل خطی ولترا همانند سایر مدل­های خطی درشبیه­سازی فرآیند غیرخطی بارش- رواناب کارآیی بالایی نداشته و نیاز به تعمیم مدل به مرتبه­های بالاتر و کاهش تعداد پارامترهای قابل تخمین آن می­باشد.