Nhiều bài báo viết về các mô hình đã đ−ợc đề cập đến tr−ớc đây và các cách áp dụng các mô hình đó nh− đã chỉ ra ở các trích dẫn. Tuy nhiên, có một số các bài báo so sánh các mô hình khác nhau. Hai bài báo đó của Dellew (1976) và Lonlten Micier và Burges (1977a). Delleur (1976) đã nghiên cứu tính phức tạp của các mô hình ngẫu nhiên đã sử dụng để lập hay dự báo các sự kiện
thủy văn. Họ đã so sánh các đặc tr−ng tự hồi quy (AR), chuyển động trung bình (MA) và các mô hình hỗn hợp (ARMA và ARIMA) của sự tăng phức tạp cho chuỗi các năm, tháng, tuần và ngày. Họ đã so sánh nhiều ph−ơng pháp theo sự thay đổi không đồng đều từng mùa của nhiều tháng và đã nghiên cứu sự phụ thuộc theo mùa của các hệ số. Họ cũng đã phân tích biên độ phụ thuộc độ ngắn và dài và so sánh nhiều mô hình chuỗi thời gian.
Mỗi mô hình khác nhau đ−ợc đ−a ra trong các tr−ờng hợp đặc biệt tùy thuộc vào mục đích sử dụng; để lập ra hay dự báo cho khoảng thời gian, ngắn hay dài, hàng năm, hàng tháng hay hàng ngày, hoặc cho biên độ phụ thuộc ngắn hay biên độ dài.
Lettonmarier và Burges (1977a) đã so sánh nhu cầu dự trữ khi bị phản xạ do hiện t−ợng Hurst, sử dụng mô hình phân đoạn nhiễu nhanh và mô hình hỗn hợp (ARMA (1,1)). Sự so sánh đ−ợc tiến hành với các nguồn ảnh h−ởng tới hoạt động sông trong khoảng 40 – 100 năm. Họ đã sử dụng 77 mẫu để tái hiện lại mô hình phân đoạn Gaus. Với hoạt động tồn tại 40 năm, giá trị hệ số Hurst là 0,7 và sử dụng mô hình bất đối xứng (chuẩn logarit 3 tham số), cả 2 mô hình đã đ−a ra phân bố xác suất dự trữ gần giống nhau. Với hoạt động tồn tại bằng 100 năm, kết quả của mô hình ARMA khác cơ bản với mô hình phân đoạn nhiễu nhanh. Tuy nhiên, bằng các kết hợp quá trình ARMA (1,1) tần số thấp với một quá trình Markov bậc nhất tần số cao thành quá tình ARMA – Markov. Họ đã đạt đ−ợc kết quả gần giống nhau vì quá trình hỗn hợp ARMA - Markov phát triển dễ hơn nhiều và sử dụng thời gian máy tính chạy ít hơn. Chúng tôi nhận thấy nó cung cấp một sự hấp dẫn khác đối với mô hình phân đoạn nhiễu nhanh.