تقاضای چشمگیر فزاینده برای مصرف آب ناشی از رشد جمعیت از یک سو، و منابع آب محدود از سویی دیگر، کمبود آب را به مسئله ای حیاتی در کشورمان تبدیل می نماید. این امر، به نوبه خود، اثری مخرب بر روی رودخانه ها و جریان های ورودی به مخازن سدها دارد. بنا بر این، پیش بینی جریان رودخانه برای مدیریت کیفیت آب، تولید برق آبی، سیستم های آبیاری و مدیریت بهره برداری از مخازن سدها ضروری است. در سال های اخیر، به استفاده از روش های هوش مصنوعی جهت مـدل سازی پدیده های هیدرولوژیکی که دارای پیچیدگی و عدم قطعیت بالایی هستند، توجه زیادی معطوف شده است. در این پژوهش کارایی سیستم استنتاج فازی (fis)، سیستم استنتاج فازی- عصبی تطبیقی (anfis) و مدل تلفیقی تبدیل موجک-فازی عصبی(wavelet-anfis) برای پیش بینی جریان روزانه ورودی به سد بر اساس داده های روزانه برای یک دوره آماری 20 ساله شامل بارندگی، دما و دبی جریان ورودی(از سال آبی 69-1368 تا 88-1387) به طور مقایسه ای مورد ارزیابی قرار گرفته است. بهترین ترکیب ورودی مدل با استفاده از آزمون گاما، میانگین درجه حرارت دو روز قبل، مقادیر جریان رودخانه در روز قبل و دو روز قبل و بارندگی همان روز انتخاب گردید که این ترکیب ورودی دارای کمترین میزان گاما می باشد. همچنین با استفاده از آزمون m، 5840 داده جهت آموزش و 1460 داده جهت آزمون مدل تعیین شد. پس از انجام پیش بینی با استفاده از مدل anfis و مدل تلفیقی anfis و موجک، کارایی این دو مدل بر اساس معیارهای آماری ضریب ناش- ساتکلیف (cns)، ضریب همبستگی(r)، ریشه دوم میانگین مربعات خطا(rmse) و میانگین قدر مطلق خطا (mae) مورد ارزیابی قرار گرفت که برای مدل anfis به ترتیب برابر 834/0، 92/0، 59/0 و 249/0 و برای مدل تلفیقی anfis و موجک به ترتیب برابر 922/0، 961/0، 406/0 و 248/0 بدست آمد نتایج حاصله نشان دهنده دقت بالاتر مدل تلفیقی anfis و موجک نسبت به مدل anfisبه منظور پیش بینی جریان روزانه ورودی به سد بوستان می باشد.