شبیهسازی بارش-رواناب یکی از اقدامات ضروری برای شناسایی دوره‌های خشکسالی، کنترل سیل، بهینهسازی سامانه‌های هیدرولوژیکی و برنامهریزی جامع توسعه منابع آب می‌باشد. در پژوهش حاضر از مدلهای شبکه عصبی مصنوعی (ANN) و برنامهریزی بیان ژن (GEP) برای تخمین رواناب ماهانه ایستگاه هیدرومتری صفاخانه واقع در رودخانه ساروقچای استفاده شد. بدین منظور داده‌های اندازه‌گیری شده دبی جریان و بارش در مقیاس زمانی ماهانه طی دوره آماری 1399-1367 به‌کار گرفته شد. هشت الگوی ترکیبی متنوع بر اساس داده‌های مذکور به عنوان ورودی تعریف شدند. طبق نتایج به‌دست آمده، در هر دو مدل، الگوی ترکیبی شامل همه متغیرهای ورودی بهترین عملکرد را به همراه داشت. از سوی دیگر، نتایج حاکی از آن بود که مدل ANN با دارا بودن بیشترین مقدار ضریب تعیین (794/0=R2)، کمترین ریشه میانگین مربعات خطا (398/5=RMSE) و ضریب نش-ساتکلیف برابر 822/0 از تطابق بهتری با مقادیر مشاهداتی برخوردار بود.
