پیش بینی جریان رودخانه به منظور مدیریت و برنامه ریزی منابع آب در رودخانه ها، دریاچه ها، مخازن سدها و همچنین جهت حفاظت کناره های رودخانه در زمان وقوع سیلاب انجام می گیرد. در این تحقیق از مدل های شبکه های عصبی مصنوعی، هیبرید موجک- عصبی، برنامه ریزی بیان ژن و حداقل مربعات ماشین بردار پشتیبان به منظور تخمین جریان روزانه رودخانه خیاوچای استفاده شد. در این راستا داده های دبی و بارش روزانه ایستگاه هیدرومتری پل سلطانی واقع بر رودخانه مذکور طی دوره آماری 92-1378 به کار گرفته شد. پس از محاسبه ضرایب همبستگی متقابل متغیرهای بارش و دبی، شش الگوی مختلف به منظور تخمین رواناب روزانه تعیین شد. برای ارزیابی مدل ها از شاخص های آماری و آزمون ANOVA استفاده شد. نتایج حاکی از برتری مدل هیبرید موجک- عصبی با بیشترین ضریب همبستگی (877/0=R)، کمترین ریشه میانگین مربعات خطا (696/0=RMSE) و ضریب نش ساتکلیف برابر 767/0 در مرحله صحت سنجی بود. نتایج آزمون آنوا نیز نتایج شاخص های آماری را تأیید کرد و مدل هیبرید موجگ- عصبی با داشتن کمترین مقدار آماره F (11/0) و بیشترین سطح معنی داری (75/0) به عنوان بهترین مدل شناخته شد. در برآورد دبی بیشینه (سیلاب) نیز مدل مذکور با میانگین خطای نسبی 19/30 درصد، به مقدار قابل توجهی از خطای کمتری نسبت به سایر مدل ها برخوردار بود.
