در دو دهه اخیر استفاده از مدل های غیرخطی در تخمین دبی رودخانه ها مورد توجه محققان واقع شده است که از آن جمله می توان به مدل شبکه های عصبی مصنوعی، برنامه ریزی ژنتیک، سری های زمانی، تبدیل موجک و... اشاره نمود. تبدیل موجک از طریق تجزیه امواج به زمان و مقیاس همچون روش آنالیز فوریه شیوه نوینی را برای پردازش موج ارائه می دهد. در تبدیل موجک از موجک گسسته میر برای برآورد جریان متوسط ماهانه رودخانه لیقوان چای استفاده شد. 90 درصد داده ها برای مدل سازی به کار رفت. نتایج نشان داد مناسب ترین سطح تجزیه سری داده ها 10 سطح می باشد. بهترین افق پیش بینی ماهانه با توجه به گام های زمانی یک ماهه، 12 ماه است. ضریب همبستگی بین داده های مشاهداتی و برآورد شده در ایستگاه لیقوان 0.92 و در ایستگاه هروی 0.91 به دست آمد. در روش سری های زمانی با توجه به معیارهای موجود، مدل ARIMA (1،0،1), (1،1،1)12 بهترین نتایج را در بر داشت و ضریب همبستگی 0.87 برای داده های ایستگاه لیقوان و 0.93 برای داده های ایستگاه هروی به دست آمد. سری زمانی، نقاط پیک سری را بهتر تحلیل کرده و مقادیر برآورد شده نزدیک به مقادیر مشاهداتی بود. در نهایت با توجه به ضریب همبستگی دو روش و همچنین با توجه به اینکه تبدیل موجک از طریق تجزیه سری، سری پیچیده را تبدیل به سری ساده می کند که با این کار تحلیل سری راحت تر صورت می گیرد، روش تبدیل موجک مناسب تر تشخیص داده شد.