在METLAB 2.9b中建立了人工神经网络和模糊逻辑(FL)模型来预测印度卡尔河流域的径流和产沙量，并为nntool提供了支持程序。模型的输入被用作日降雨量、蒸发量、温度以及一天和两天的滞后径流，用于径流建模。然而，对于人工神经网络和模糊逻辑模型的产沙量建模输入，作为日降雨量，一天和两天的径流。本研究考虑了两个模型21年(1991 - 2011)的输入数据，以日为基础。14年(1991年至2004年)用于开发模型，其余7年(2005年至2011年)用于验证模型。在产沙量模型中，采用了7年(2003 - 2009年)的数据来开发和验证模型。采用R、RMSE、EV、CE、MAD等标准统计指标评价模型的性能。研究发现，随着输入向量的增加，人工神经网络模型的性能有所提高。模糊逻辑模型在开发阶段和验证阶段的R值均大于0.95，优于人工神经网络模型。因此，FL模型对Kal河径流产沙量的预测效果优于人工神经网络。