پیش بینی دقیق جریان رودخانه ها در مدیریت بهینه منابع آب های سطحی اهمیت به سزایی دارد. استفاده از مدل های سری زمانی یکی از راه های کاربردی در شبیه سازی و پیش بینی داده های هیدرولوژیک از جمله جریان رودخانه است. یکی از مشکلات عمده در استفاده از مدل های سری زمانی در پیش بینی داده های هیدرولوژیک، نحوه تولید داده های تصادفی است. در این مطالعه سعی شده است که با استفاده از مدل های تلفیقی، چارچوب نظام مندی در خصوص بخش تصادفی مدل های سری زمانی تعریف شود. در این خصوص بعد از بررسی اولیه بر روی سری زمانی بیشینه دبی لحظه ای جریان رودخانه سیمینه رود در دوره آماری 1390-1346، مدل ARMA بر روی داده های فوق مورد ارزیابی قرار گرفت و مدل (1,0)ARMA به عنوان مدل برتر انتخاب گردید. سری زمانی باقیمانده مدل ARMA استخراج و با استفاده از مدل های غیرخطی ARCH و PARCH مورد برازش قرار گرفت و مدل های ARMA-PARCH و ARMA-ARCH به دست آمد. نتایج نشان داد که با تلفیق مدل ها، خطای دو مدل ARMA-PARCH و ARMA-ARCH به ترتیب به میزان 92.22 و 92.16 درصد بهبود یافت. نتایج مقایسه دو مدل تلفیقی نیز نشان داد که از بین دو مدل تلفیقی مذکور، مدل ARMA-PARCH دقت بالاتر و میزان خطای کمتری نسبت به مدل ARMA-ARCH دارد. همچنین نتایج این تحقیق نشان داد که مدل تلفیقی منتخب نقاط بیشینه و کمینه دبی های بیشینه جریان لحظه ای ایستگاه موردمطالعه را به خوبی مدل می کند.