جریان رودخانه به عنوان یکی از مولفه‌های اصلی در منابع آب،‏ جهت برنامه ریزی در مدیریت منابع آب و مطالعات بهره برداری مخزن از اهمیت چشمگیری برخوردار است. به همین دلیل استفاده از روش‌هایی جهت پیش بینی با عملکرد تفکیک متغیرهای هیدرولوژیکی به مقیاس‌های کوچکتر زمانی ضروری بنظر می‌رسد. در این تحقیق جهت تفکیک سری سالانه به سری‌های شش ماهه و ماهانه از روش تفکیک کننده و شبکه عصبی مصنوعی استفاده شد. مدل‌های روش تفکیک کننده مدل‌های پایه،‏ مبسوط و شبکه عصبی از نوع شبکه پیش خور با الگوریتم پس انتشار خطا (FFBP)‎ بودند. حوزه آبریز دریاچه ارومیه واقع در شمال غرب کشور به عنوان منطقه مطالعاتی جهت استفاده از آمار آبدهی انتخاب شد. آماره‌های نکویی برازش مدل‌های مورد بررسی RMSE, MR،‏ SE مبین عملکرد بهتر مدل مبسوط و شبکه عصبی در پیش بینی جریان فصلی در مقایسه با مدل پایه بودند ولی در تفکیک مقیاس‌های زمانی کوچکتر مدل مبسوط توصیه می‌شود. نتایج،‏ حاکی از افزایش اختلاف بین جریان مشاهداتی و تفکیکی در صورت وجود روند در مقادیر پیش بینی شده به علت تاثیر در مرحله تخمین پارامتر می‌باشد. خصوصیات آماری مانند میانگین و انحراف معیار توسط سه مدل حفظ شدند.