برآورد دقیق جریان رودخانه برای برنامه ریزی و توسعه منابع آب بسیار حایز اهمیت است. در پژوهش حاضر عملکرد مدل های شبکه های عصبی مصنوعی (ANN) و حداقل بردار پشتیبان (LSSVM) در پیش بینی دبی ماهانه ایستگاه قبقلو واقع بر روی رودخانه سقزچای مورد مقایسه قرار گرفت. بدین منظور داده های اندازه گیری شده دبی جریان و بارش در مقیاس زمانی ماهانه طی دوره آماری ۱۳۶۷-۱۳۹۹ به کار گرفته شد. هفت الگوی ترکیبی متنوع بر اساس داده های مذکور به عنوان ورودی تعریف شدند. طبق نتایج بدست آمده، در هر دو مدل، بارش ماه فعلی بیشترین تاثیر مثبت را در بهبود عملکرد مدل ها به همراه داشت. یافته های تحقیق حاکی از آن بود که مدل LSSVM با دارا بودن بیشترین مقدار ضریب تعیین برابر ۰/۷۳۹ و کمترین مقدار ریشه میانگین مربعات خطا برابر ۵/۱۷۸ و ضریب نش-ساتکلیف برابر ۰/۶۹۳ از تطابق بهتری با مقادیر مشاهداتی برخوردار بود. در براورد مقادیر دبی بیشینه نیز، برتری مدل LSSVM نسبت به مدل ANN نمایان بود.
