نیاز روزافزون به آب سبب گردیده است که برنامه‌ریزی‌های مدیریتی به‌منظور کنترل مصرف آب در آینده از اهمیت بیشتری برخوردار باشد. به همین دلیل برآورد صحیح و دقیق جریان رودخانه با استفاده از مدل‌های مختلف یکی از موضوعاتی است که در منابع آب پژوهشگران بررسی می­کنند. در این تحقیق جهت برآوردی دقیق از مقدار روزانه جریان رودخانه زرینه‌رود از دو ایستگاه هیدرومتری ساری-قمیش و نظام‌آباد واقع در استان آذربایجان غربی استفاده شد. اخیراً شیوه استفاده از مدل‌های هوشمند به‌صورت ترکیبی موردپذیرش قرارگرفته است که در این تحقیق، برای مقابله با پیچیدگی و ناپایداری داده‌های سری زمانی از الگوریتم پیش‌پردازش تجزیه مد تجربی (EMD) استفاده شد. EMD یک روش تجزیه اطلاعات برای استخراج سیگنال­ها در اطلاعات تولیدشده توسط عملیات غیرخطی و غیرایستا است. در این تحقیق، از روش مدل برنامه‌ریزی بیان ژن و از مدل شبکه عصبی مصنوعی استفاده شد. نتایج تحقیق نشان داد که عملکرد مدل برنامه‌ریزی بیان ژن برابر و گاهی کمتر از عملکرد شبکه عصبی مصنوعی بود. بااین‌حال ترکیب دو مدل مذکور با فن (EMD) باعث افزایش دقت مدل و کاهش خطا در شبیه‌سازی جریان رودخانه در ایستگاه‌های ساری-قمیش و نظام­آباد شد. نتایج نشان داد که در مرحله آزمون ترکیب روش GEP با EMD باعث ارتقا ضریب تبیین به میزان 7.29% و 2.15% به‌ترتیب برای ایستگاه ساری-قمیش و نظام­آباد گردید، همچنین در مرحله آزمون ترکیب روش ANN با EMD باعث ارتقا ضریب تبیین به میزان 3.06% و 3.09%  به‌ترتیب برای ایستگاه ساری-قمیش و نظام ­آباد گردید.