This work describes the use of two hydrological simulation deterministic models to represent the rainfuJI-runnoff processo The Itapetiniga, Almas and Guarapiranga rivers basin, located in the State of São Paulo and the Guaporé river basin located in the State of Mato Grasso, are taken as a case study. Both deterministic models used parameters optimization, with a nonlinear and unconstrained structure: (a) SMAP - Soil Moisture Accounting Procedure, which uses a first order optimization procedure; (b) Artificial Neural Network (ARN) model, which uses a second order optimzation procedure. Both models assume a montly interval to account rainfall and river flow. Some tests include a mix structure between SMAP and ARN, aiming at an evaluation of ARN potential to replace physical parameters and typical processes of conceptual rainfall-runnoff models.FAPESP - Fundação de Amparo à Pesquisa do Estado de São PauloEste trabalho investiga a utilização de modelos determinísticos de simulação hidrológica do tipo chuva-vazão, cuja área de estudo refere-se as bacias dos rios Itapetininga, das Almas e Guarapiranga no estado de São Paulo e bacia do rio Guaporé no estado de Mato Grasso. São testados dois modelos determinísticos do tipo chuva-vazão, ambos com processo de otimização dos parâmetros na forma irrestrita e não linear: SMAP (Soi! Moisture Accouting Procedure) com aplicação de um método de otimização de primeira ordem; e outro modelo utilizando a técnica de Redes Neurais Artificiais (RNA's), com método de otimização de segunda ordem. Em ambos os casos é tomado o intervalo de discretização mensal. A concepção testada sobre a posição de inserção do modelos de RNA's acoplado ao SMAP, tem origem na necessidade de investigação do potencial das RNA's em substituição aos parâmetros e processos tradicionais dos modelos chuva-vazão e, representada diretamente a relação chuva-vazão, partindo-se portanto, como entrada a série de precipitações e gerando-se as vazões através da RNA.