استفاده از مدل های سری زمانی، یکی از راه های کاربردی در شبیه سازی و پیش بینی داده های هیدرولوژیک است. یکی از مشکلات عمده در استفاده از مدل های سری زمانی در پیش بینی داده های هیدرولوژیک، نحوة تولید داده های تصادفی است. در این فرایند، داده های تولیدی با تغییر سری تصادفی، تغییر خواهند کرد. در این تحقیق، بعد از بررسی اولیة سری زمانی دبی جریان رودخانه زرینه رود، داده های بررسی شده با استفاده از مدل ARMA مورد ارزیابی قرار گرفتند و مدل ARMA(1, 0)، به عنوان مدل برتر انتخاب شد. سری زمانی باقی مانده مدل ARMA استخراج شد و با استفاده از مدل های PARCH مورد برازش قرار گرفت. سرانجام، دو مدل مذکور با هم تلفیق شدند و مدل ARMA-PARCH به وجود آمد. نتایج نشان داد که با تلفیق دو مدل ARMA و PARCH، میزان خطای مدل (جذر میانگین مربعات خطا) و دقت مدل (ضریب همبستگی) به ترتیب حدود 40 و 10 درصد بهتر می شود. همچنین، نتایج نشان داد که مدل تلفیقی مذکور، نقاط بیشینه و کمینه دبی های متوسط سالانه ایستگاه مورد مطالعه را به خوبی مدل می کند.