1- مرادی، ح. پورقاسمی، ح. و محمدی، م.، 1391، حرکات دامنه ای ( حرکات توده ای) با تأکید بر روش های کمی تحلیل وقوع زمین لغزش، انتشارات سمت.
2- انتظاری، م. و پورخسروانی، م.، 1398، مخاطرات دامنه ای با تأکید بر زمین لغزش، اصفهان: انتشارات دانشگاه اصفهان.
3- رسایی، آ.، خسروی، خ.، حبیب نژاد روشن، م.، حیدری، ا.، و مشایخان، آ.، 1394، پهنه بندی خطر زمین لغزش با مدل رگرسیون چند متغیره در محیط GIS (مطالعه موردی: حوزه آق مشهد، استان مازندران)، پژوهشنامه مدیریت حوزه آبخیز، سال ششم، شماره 12، ص205-215.
4- حسینی، س. ع.، دلجویی، آ.، و صادقی، س. م .م.، 1395، ارزیابی روش های مختلف پهنه بندی خطر وقوع زمین لغزش در اکوسیستم های جنگلی، نشریه ترویج و توسعه آبخیزداری، سال چهارم، شماره 13، ص 14-7.
5- قیاسی، و.، میرزایی، ص.، و یوسفی، م.، 1399، توسعه نمودار نرخ پیش بینی- مساحت به منظور بهبود خروجی مدل های پتانسیل خطر زمین لغزش، مجله علمی- پژوهشی مهندسی عمران مدرس، دوره 20، شماره ششم، ص 117-130.
6- Nilsen, T. H. F. H., Wright, C. Vlasic, and Spangle, W., 1979, San Francisco Bay region, Californai: U.S. Geology, survey professional.
7- ابراهیم خانی، س.، افضلی، م. و شکوهی، ع.، 1390، پیش بینی و بررسی عوامل تصادفات جادهای با استفاده از الگوریتمهای داده کاوی، فصلنامه دانش انتظامی زنجانی، سال اول، شماره یک ، ص 111-127.
8- ساده، ج.، و فرشاد، م.، 1392، مکانیابی خطای اتصال کوتاه در خطوط انتقال جریان مستقیم ولتاژ بالا با استفاده از شبکه عصبی رگرسیون تعمیم یافته و الگوریتم جنگل تصادفی، نشریه هوش محاسباتی در مهندسی برق ( سیستم های هوشمند در مهندسی برق)، دوره چهارم ، شماره دو ، ص 1-14
9- Breiman, L., 2001, Random forests Machine learning, 45, 1, 5-32.
10- Peters, J., Verhoest, N., Samson, R., Boeckx, P., and De Baets, B., 2008, Wetland Vegetation distribution modeling for the identification of Constraining environmental variables, Landscape Ecology, 23, 1049-1065.
11-عجم، ز.، 1393، پیش بینی فعالیت ضد ایدز مشتقات غیر نوکلئوزیدی تیوکربومات به روش جنگل تصادفی، پایان نامه کارشناسی ارشد ، دانشگاه شاهرود، ایران.
12- پاکنژاد، ف.، کرم.، ا.، و بهرام آبادی، ا.، 1400، پهنه بندی ناپایداری دامنه ها نسبت به حرکات واریزه ای با استفاده از روش جنگل تصادفی ( مطالعه موردی: حوضه تنگراه- استان گلستان)، فصلنامه پژوهش های ژئو مورفولوژی کمی، سال نهم، شماره چهار، ص 59-74.
13- Aldrich , C. and Auret, L., 2013, Tree – Based Methods , in unsupervised process Monitoring and Fault Diagnosis with Machine Learning Methods, Springer London, 183-220.
14-Guo, L., Chehata, N., Mallet, C, and Boukir, S., 2011, Relevance of airborne lidar and multispectral image data for urban scene classification using Random Forests, Sensing, 66, 56-66.
15- Xilin, L., Wang, S. W., and Zhang, X., 1992, Influence of geologic factors on landslide in zhaotong Yunnan province, china, Environmental Geology and water science, 19, 17-20
16- رمضانی، ب.، و ابراهیمی، هـ.، 1388، زمین لغزش و راهکارهای تثبیت آن، فصلنمه جغرافیایی آمایش محیط، دوره دوم، شماره هفت، ص 129-139.
17- راهنمای مطالعه و اجرای عملیات پایدار سازی زمین لغزش ها ، جلد اول – مطالعات رفتار سنجی زمین لرزش ها ، ضابطه شماره 829-1، 1399، سازمان برنامه و بودجه کشور .
18- Mathew, J., Jha, V. K , and Rawat, G. S., 2009, Landslide susceptibility zonation mapping and its Validation in part of Garhwal Lesser Himalaya , India , using binary logistic regression analysis and receiver operating characteristic Curve method, Landslides, 6, 1, 17-26.
19- Youssef, A. M., Pourghasemi, H. R., Pourtaghi, Z. S., and AL- Katheeri, M. M., 2015, Landslide susceptibility mapping using random forest , boosted regression tree , classification and regression tree , and general linear models and comparison of their performance at waide Tayyah Basin, Asir Region, Saudi Arabia, Landslides, 13, 5, 839-856.
20- Bourenane, H., Guttouche, M. S., Bouhadad, Y., and Braham, M., 2016, Landslide hazard mapping in the constantine city , Northeast Algeria using fregueny ratio , weighting factor , process methods, Arabian journal of Geosciences, 9, 2, 154.
21- Singh, K., and Kummar, V., 2017, Landslide hazard mapping along national highway – 154 Ain Himachal Pradesh , India using information Value and frequency ratio, Arabian Journal of Geosciences, 10, 24, 1-18.
22- Zhang, K., Wu, X., Niu, R., Yang, K., and Zhao, L., 2017, the assessment of landslide susceptibility mapping using random forest and decision tree methods in the three Gorges Reservoir area , china, Environmental Earth sciences, 76, 11, 1- 20.
23- Pham, B. T. , Naguyen, V. T., Ngo, V. L., Trinh, P. T., Ngo, H. T. T., and Bui, D. T., 2017, A novel Hybrid Model of Rotation Forest Based Functional Trees for Landslide Susceptibility Mapping : A case study at kon Tum province , Vietnam. In Advances and Applications in Geospatioal Technology and Earth Resources, Paper presented at the Internatioanl Conference on Geo – spatial Technologies and Earth Resources, Springer, Cham.
24- Akinci, H., Kilcoglu, C., and Dogan, S., 2020, Random forest – based landslide susceptibility mapping in regions of Artvin, Turkey, ISPRS International Journal of Geo-Information, 9, 9, 15.
25- Kim, Y. T, and Prdhan, A. M. S., 2020, Landslide susceptibility Mapping at Two Adjacent Catchments using Advanced Machine Learning Algorithms, International Journal of Geo Information, 9, 569, 1-22.
26- Zhao, Z. , Liu, Z. Y. and Xu, C., 2021, slope unit based lalndslide susceptibility mapping using certainty factor , support vector machine , random forest , CF- svm and CF-RF models, Frontiers in Earth science, 9, 589630, 1-16.
27- Wubalem, A., 2021, Landslide susceptibility mapping using statistical methods in Uatzau catchment area , northwestern Ethiopia, Geoenvironmental Disasters, 8, 1, 1-21.
28- امیدوار، ا.، براتی، ز.، و شیرزادی، ع.، 1397، پیش بینی مکانی زمین لغزش های سطحی با استفاده از مدل های آماری و یادگیری ماشین (مطالعه موردی: حوضه سرخون) مرتع و آبخیزداری، مجله منابع طبیعی ایران، دوره 71، شماره چهار، ص 869-884.
29- حلاجی، م.، زنگنه اسدی، م. ع.، و امیراحمدی، ا.، 1399، ارزیابی کارایی مدل های پیش بینی حساسیت وقوع زمین لغزش در آبخیز بار نیشابور، نشریه پژوهش های آبخیزداری، دوره 33، شماره دو، ص20-30.
30- مومی پور، م.، و مجد باوی، ا.، 1400، پهنه بندی مناطق مستعد خطر زمین لغزش در محدوده ی شهید عباسپور، نشریه علمی جغرافیا و مخاطرات محیطی، دوره 10، شماره 37 ، ص 65-80.
)