در بیشتر مطالعات هیدرولوژیکی وجود اطلاعات کامل و معتبر هواشناسی و هیدرولوژی از الزامات اساسی یک طرح محسوب می شود. اما برخی مواقع خلأ ناشی شده از عدم ثبت آمار در ایستگاه ها و استفاده از این اطلاعات ناقص، باعث ایجاد خطا در نتایج می گردد. بنابراین بایستی با استفاده از روش های گوناگون این نواقص را برطرف نمود، به عبارتی دیگر داده های گم شده را بازسازی نمود. امروزه روش های نوین متعددی در پیش بینی و مدل سازی پارامترهای گوناگون در مهندسی آب گسترش یافته است. در این تحقیق داده های گم شده دبی ایستگاه هیدرومتری قزاقلی واقع در حوضه گرگانرود استان گلستان به کمک اطلاعات ایستگاه کامل بالادست با استفاده از روش های مرسوم آماری و روش های نوین از قبیل شبکه عصبی مصنوعی(ann)، سیستم استنتاج فازی- عصبی تطبیقی (anfis)، برنامه ریزی ژنتیک(gp)، درخت تصمیم m5، نزدیک ترین k همسایگی(knn) و همچنین با استفاده از روش سری زمانی به کمک آمار خودایستگاه در مقیاس روزانه و ماهانه بازسازی شد و سپس این روش ها بایکدیگر مقایسه شدند. در تمامی روش ها از مجموع کل داده های دبی درطی یک دوره آماری مشترک 30 ساله، 80 درصد داده ها برای آموزش و 20 درصد داده ها برای آزمون مدل در نظر گرفته شد. براساس معیارهای ارزیابی مدل در مقیاس روزانه به ترتیب روش های شبکه عصبی مصنوعی و روش فازی- عصبی و در مقیاس ماهانه روش های فازی- عصبی تطبیقی و برنامه ریزی ژنتیک بهترین نتایج را در مقایسه با سایر روش ها ارائه می دهند. همچنین روش سری زمانی نتایج قابل قبولی را ارائه نمی دهد. بنابراین با توجه به اینکه روش های نوین باعث افزایش دقت و سرعت در انجام عمل محاسبات بازسازی داده های گم شده شده است، توصیه می شود در بیشتر مطالعات پروژه های آبی، طرح های توسعه کشاورزی و نظایر آن مورد استفاده قرار گیرند.