Mô hình hóa thủy văn là một trong những chủ đề quan trọng trong quản lý tài nguyên nước và trong quá trình dự báo hành vi ngẫu nhiên. Phát triển các mô hình dựa trên dữ liệu (DDMs) để áp dụng cho mô hình hóa thủy văn là vấn đề rất phức tạp vì bản chất ngẫu nhiên của dữ liệu quan sát, chẳng hạn như tính mùa vụ, tính chu kỳ, các điểm bất thường và sự thiếu hụt dữ liệu. Vì dòng chảy sông là một trong những thành phần quan trọng nhất trong chu trình thủy văn, mô hình hóa và ước lượng dòng chảy là một khía cạnh then chốt. Trong nghiên cứu này, hai mô hình — Optimally Pruned Extreme Learning Machine (OPELM) và Chi-Square Automatic Interaction Detector (CHAID) — được sử dụng để mô hình hóa phần tất định của các phương trình dòng chảy sông hằng tháng, trong khi Autoregressive Conditional Heteroskedasticity (ARCH) được dùng để mô hình hóa phần ngẫu nhiên. Đóng góp mới và đột phá của nghiên cứu là kết hợp các mô hình trên để tạo ra các mô hình lai mới, ARCH-OPELM và ARCH-CHAID, qua đó nâng cao độ chính xác. Nghiên cứu sử dụng dữ liệu dòng chảy sông hằng tháng tại hai trạm sông khác nhau ở phía tây bắc Iran — Dizaj và Tapik, lần lượt nằm trên sông Nazluchai và Baranduzchai — thu thập trong 31 năm từ 1986 đến 2016. Để khẳng định độ chính xác cuối cùng, năm tiêu chí đánh giá được áp dụng, gồm: hệ số tương quan (R), sai số bình phương trung bình quân phương (RMSE), hiệu suất Nash–Sutcliffe (NSE), sai số tuyệt đối trung bình (MAE), tỷ số RMSE trên độ lệch chuẩn (RSD), cùng với đồ thị phân tán, đồ thị chuỗi thời gian và biểu đồ Taylor. Các mô hình CHAID đơn lẻ cho kết quả tốt hơn các mô hình OPELM khi xét riêng. Đối với các mô hình lai, ARCH-CHAID ở giai đoạn kiểm định cho kết quả tốt hơn ARCH-OPELM tại trạm Dizaj (R = 0,96; RMSE = 1,289 m3/s; NSE = 0,92; MAE = 0,719 m3/s; RSD = 0,301) và tại trạm Tapik (R = 0,94; RMSE = 2,662 m3/s; NSE = 0,86; MAE = 1,467 m3/s; RSD = 0,419). Kết quả cho thấy ARCH-CHAID tại cả hai trạm vượt trội so với tất cả các mô hình khác. Cuối cùng, đáng chú ý là các mô hình lai “ARCH-DDM” mới vượt trội so với các mô hình đơn lẻ trong dự báo dòng chảy sông hằng tháng.