احمدی، ف.، ف. رادمنش و ر. میرعباسینجفآبادی. 1393. مقایسه روشهای برنامهریزی ژنتیک و ماشین بردار پشتیبان در پیشبینی جریان روزانه رودخانه (مطالعه موردی: رودخانه باراندوز چای). نشریه آب و خاک (علوم و صنایع کشاورزی). (6) 28: 1171-1162.
داننده مهر، ع. و م.ر. مجدزاده طباطبائی. 1389. بررسی تأثیر توالی دبی روزانه در پیشبینی جریان رودخانهها با استفاده از برنامه ریزی ژنتیک. نشریه آب و خاک (علوم و صنایع کشاورزی)، (2) 24 :333 -325.
سلگی، ا. 1393. پیشبینی جریان رودخانه با مدل ترکیبی شبکه عصبی مصنوعی-موجک و مقایسه آن با روشهای سیستم استنتاج فازی عصبی تطبیقی و شبکه عصبی مصنوعی(مطالعه موردی: رودخانه گاماسیاب نهاوند). پایاننامه کارشناسی ارشد در رشته مهندسی منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.
فربودنام، ن.، م.ع. قربانی، و م.ت. اعلمی. 1388. پیشبینی جریان رودخانه با استفاده از برنامهریزی ژنتیک (مطالعه موردی: حوضه آبریزرودخانه لیقوان). مجله دانش آب و خاک، 19 (1) : 123-107.
کاوهکار، ش.، م.ع. قربانی، ا. اشرفزاده و ص. دربندی. 1392. شبیهسازی نوسانات تراز آب با استفاده از برنامهریزی
بیان ژن. نشریه مهندسی عمران و محیط زیست. 43 (3)، پیای72: 75-69.
گلابی، م.ر.، ع.م. آخوندعلی، و ف. رادمنش. 1392. مقایسه عملکرد الگوریتمهای مختلف شبکه عصبی مصنوعی در مدلسازی بارندگی فصلی (مطالعه موردی: ایستگاههای منتخب استان خوزستان). نشریه تحقیقات کاربردی علوم جغرافیایی. 13(30): 151-169.
Banzhaf, W., P. Nordin, P.E.Keller and F.D.Francone. 1998. Genetic programming. Kaufmann M, editor. San Francisco. CA. 512 p.
Ferreira, C. 2006. Gene Expression Programming: Mathematical Modeling by an Artificial Intelligence (Studies in Computational Intelligence). ed n, editor. Springer-Verlag New York, Inc. Secaucus, NJ, USA.
Ferreira, C. 2001. Gene expression programming: a new adaptive algorithm for solving problems. Complex Syst, 13:87-129.
Ghorbani, M.A., O. Kisi and M.A. Aalinezhad. 2010. A probe into the chaotic nature of daily stream flow time series by correlation dimension and largest Lyapunov methods. Applied Mathematical Modelling, 34(12):4050-4057.
Shiri, J. and Ö. Kişi. 2011. Comparison of genetic programming with neuro-fuzzy systems for predicting short-term water table depth fluctuations. Computers & Geosciences, 37(10):1692-701.
Shiri, J., Ö. Kişi, G. Landeras, J.J. López, A.H. Nazemi and L.C.P.M. Stuyt. 2012. Daily reference evapotranspiration modeling by using genetic programming approach in the Basque Country (Northern Spain). Journal of Hydrology, 414–415:302-316.
Mattar, M.A. and A.I. Alamoud. 2015. Artificial neural networks for estimating the hydraulic performance of labyrinth-channel emitters. Computers and Electronics in Agriculture, 114:189-201.
Zahiri, A. and H.M. Azamathulla. 2014. Comparison between linear genetic programming and M5 tree models to predict flow discharge in compound channels. Neural Comput & Applic, 24:413-420.