[1]- فضل اولی ر.، آخوندعلی م.ع. و بهنیا ع.، 1385، تعیین روابط پیش‌بینی رواناب در حوضه‌های آبریز کوهستانی (مطالعه موردی، حوضه‌های آبریز معرف امامه و کسیلیان)، مجله علوم کشاورزی و منابع طبیعی،13(6)، ص 13-1.
[2]- Adamowski, J., Sun, K., 2010, Development of a coupled wavelet transform and neural network method for flow forecasting of non-perennial rivers in semi-arid watersheds, Journal of Hydrology, 390(1–2), 85–91.
[3]- میثاقی، ف، 1382، توسعه الگوریتم ترکیبی زمین آمار و شبکه‌های عصبی مصنوعی به منظور استخراج توزیع مکانی بارندگی، پایان نامه کارشناسی ارشد کشاورزی، دانشگاه تربیت مدرس.
[4]- احمدی، ا.، 1382، طبقه‌بندی تغییرات بارش بوشهر و استفاده از شبکه‌های عصبی مصنوعی مبتنی بر مدل خودسازمانده کوهونن، پایان نامه کارشناسی ارشد، دانشگاه تربیت معلم تهران.
[5]- محمدی ی.، فتحی پ.، نجفی‌نژاد ع. و نوران، 1387، تخمین دبی متوسط ماهانه با استفاده از شبکه‌های عصبی مصنوعی (مطالعه موردی آبخیز قشلاق سنندج)، مجله علوم کشاورزی و منابع طبیعی، 15(4)،ص 268-258.
[6]- Alp, M., Cigizoglu, H. K., 2007, Suspended sediment load simulation by two artificial neural network methods using hydrometeorological data, Environmental Modelling and Software, 22,
[7]-حسنپور کاشانی، م.، م. منتصری.، م.ع. لطف الهی یقین. و ا. حسنپور کاشانی، 1387، مقایسه عملکرد شبکه های عصبی MLP و Elman با نوع جدید مدل رگرسیون در پیش بینی سیل حوضه های فاقد آمار، چهارمین کنگره ملی مهندسی عمران. دانشگاه تهران.
[8]- نورانی، و. و ل. ملکانی، 1389، استفاده از سیستم فازی-عصبی تطبیقی در مدلسازی بارش، پنجمین کنگره ملی مهندسی عمران. دانشگاه فردوسی مشهد. اردیبهشت.
[9]- امیدوار، ک، اژدرپور، م.،1391، مقایسه شبکه عصبی مصنوعی و مدل HEC–HMS در برآورد بارش - رواناب در حوضه آبریز رودخانه اعظم هرات، فصلنامه تحقیقات جغرافیایی، سال27، شماره چهارم، زمستان، 107، ص18620 -18640.
[10]-دستورانی م.ت.، شریفی دارانی ح.، طالبی ع. و مقدم نیا، ع.،1390، کارایی شبکه های عصبی مصنوعی و سیستم استنتاج عصبی-فازی تطبیقی در مدل سازی بارش-رواناب در حوضه آبخیز سد زاینده رود، نشریه آب و فاضلاب، 22، 4. ص 114 - 125.
[11]- فتحیان، ح. و هرمزی نژاد، ا.، 1390، پیش بینی پارامترهای کمی و کیفی جریان در رودخانه کارون (بازه ملاثانی– فارسیات) با استفاده از شبکه های عصبی مصنوعی، مجله تالاب، دانشگاه آزاد اسلامی واحد اهواز، دوم، هشتم، ص 29 - 43.
[12]- محمدی‌نژاد، م، فروزان، ف، مافی غلامی، ر، دایر، ا.، 1392، مدلسازی پارامترهای کیفی رودخانه گرگر با استفاده از Neurosolution، اولین همایش ملی بحران آب، دانشگاه آزاد اسلامی واحد خوراسگان (اصفهان)، 25 و 26 اردیبهشت ماه.
[13]- Dolling, O. R. and Varas, E. A., 2007, Artiffical neural networks for Steam flow perdiction, Journal of Hydrology Research, 40(5), 547-554.
[14]- Kisi, O., 2007, Streamflow Forecasting Using Different Artificial Neural Network Algorithms, Journal of Hydrology Engineering, 12, 5, 533-539.
[15]- Firat, M., 2008, Artificial Intelligence Techniques for river flow forecasting in the Seyhan River Catchment, Turkey, Hydrology and Earth System Sciences, 12, 123–139.
[16]- Chang, F. J. and Chang, Y. T., 2006, Adaptive neuro-fuzzy inference system for prediction of water level in reservoir, Advances in Water Resources., 20, 1-10.
[17]- Tayfur, G., and Singh, V. P., 2006, ANN and Fuzzy Logic for simulating event-baised rainfall-runoff, Journal of Hydrologic Engineering, ASCE, 132(12), 1321-1329.
[18]- Unal, B., Mamak, M., Seckin, G., and Cobaner, M., 2010, Comparison of an ANN approach with 1-D and 2-D methods for estimating discharge capacity of straight compound channels, Advances in Engineering Software, 41, 120-129.
[19]- Kuok, K. K., Harun, S., and Shamsuddin, S. M., 2010, Particle swarm optimization feedforward neural network for modeling runoff, International Journal of Environment Science Technology, 7(1), 67-78.
[20]- قبادیان، ر. و مشایخی، ح.، 1387، شبیه سازی پارامترهای کیفی آب رودخانه قره سو در محل ایستگاه قرباغستان با استفاده از شبکه عصبی مصنوعی، سومین کنفرانس مدیریت منابع آب، دانشگاه تبریز.
[21]- سلطانی، س، سرداری، س،شیخ پور، م، موسوی، ص.،1389، شبکه‌های عصبی مصنوعی، تهران، انتشارات نص، چاپ اول.
)