پیش بینی دقیق جریان رودخانه در طراحی، بهره برداری و برنامه ریزی علمی منابع آب از اهمیت بسزایی برخوردار است. در این مطالعه، عملکرد روش آماری ناپارامتری نزدیکترین همسایگی، روش های هوشمند فازی-عصبی و روش رگرسیون بردار پشتیبان در پیش بینی جریان رودخانه ارزیابی شده است. برای مدل سازی از داده های 36 ساله جریان رودخانه حوضه آبریز باراندوزچای در مقیاس زمانی ماهانه ثبت شده در ایستگاه هیدرومتری دیزج استفاده گردیده است. ترکیبات مختلفی از داده های پیشین به عنوان الگوی ورودی جهت پیش بینی دبی جریان استفاده شد. نتایج به دست آمده حاکی از عملکرد قابل قبول روش های مورد استفاده در پیش بینی مقدار جریان ماهانه بودند. با اضافه نمودن ضریب فصلی جریان عملکرد مدل های هوشمند در پیش بینی به صورت محسوسی افزایش یافت. به طور کلی روش رگرسیون بردار پشتیبان با بکارگیری بهترین الگوی ورودی به عنوان بهترین روش شناخته شد. مقادیر شاخص های خطای مدل منتخب شامل ضریب همبستگی، ریشه میانگین مربعات خطا و قدر مطلق متوسط خطای نسبی به ترتیب برابر 88/0، 63/3 مترمکعب بر ثانیه و 45/78 بود. همچنین بررسی عملکرد مدل ها در پیش بینی مقادیر دبی جریان نشان داد که در مواقع سیلابی، همه مدل های مورد مطالعه دبی جریان را کمتر از مقدار مشاهداتی تخمین می زنند.
