در هر برنامه مدیریتی برای منابع آب، آگاهی از شرایط آینده به منظور تخصیص بهینه منابع آب به بخش های مختلف از قبیل شرب، کشاورزی و غیره لازم می باشد. آن چه در این میان مهم می باشد، پیش بینی مقادیر جریان ورودی به سیستم منابع آب در ماه های آینده است. در این راستا، استفاده از روش هایی که بتواند با کمینه خطا و با توجه به داده و اطلاعات موجود، جریان رودخانه را پیش بینی کند، از اهمیت فراوانی برخوردار می باشد. در پژوهش حاضر، مقادیر دبی ماهانه ورودی به سد بوستان برای آینده با استفاده از داده های هیدرومتری ایستگاه تمر و به کارگیری سه مدل سری زمانی، شبکه عصبی مصنوعی و ماشین بردار پشتیبان و همچنین، سه مدل ترکیبی پیش بینی شد. سپس، با استفاده از معیارهای ارزیابی اقدام به مقایسه عملکرد هر کدام از مدل ها شد. با توجه به نتایج به دست آمده در مدل، سری زمانی بر اساس کمینه بودن معیارهای آکاییک و شوارتز، مدل (1, 0, 1) ARIMA (2, 0, 0) به عنوان مدل برتر انتخاب شد. در مدل شبکه عصبی، شبکه با ورودی 2 و 4 نرون و در مدل SVM شبکه با ورودی 3، به عنوان شبکه برتر انتخاب شدند. در نهایت، با توجه به نتایج به دست آمده از معیارهای ارزیابی، مدل سری زمانی بهترین عملکرد را داشته است که مقادیر معیارهای میانگین مربعات خطا، متوسط مقادیر مطلق خطای نسبی، میانگین مطلق خطا و نش-ساتکلیف برای این مدل به ترتیب برابر با 0. 88، 4. 71، 0. 024-و 0. 36 به دست آمد. در نتیجه، مدل سری زمانی به عنوان بهترین مدل برای پیش بینی دبی ماهانه در این ایستگاه معرفی شد.