- اسفندیاری، ف، حسینی، س الف.، احمدی، ح.، محمدپور، ک.، 1392، مدلسازی پیشبینی سرماهای دیررس بهاره در شهرستان سقز با استفاده از مدل پرسپترون چند لایه (MLP)، دومین کنفرانس بین المللی مدلسازی گیاه، آب، خاک و هوا، دانشگاه تحصیلات تکیملی صنعتی و فناوری پیشرفته، کرمان، 12 ص.
- اصغریمقدم، الف.، نورانی، و.، ندیری، ع.، 1387، مدلسازی بارش دشت تبریز با استفاده از شبکههای عصبی مصنوعی، مجله دانش کشاورزی دانشگاه تبریز، جلد 18، شماره 1، صص 15-1.
- اعلمی، م.، نورانی، و.، نظمآرا، ح.، 1388، قابلیت شبکه عصبی مصنوعی جهت مدل سازی چند ایستگاهه بار معلق در مقایسه با روش منحنی رسوب، نشریهدانشآبوخاک، جلد 1/19، شماره 2، صص 45-55.
- اکبرپور، م.، شکرالهی، ا.، 1383، به کارگیری شبکههای عصبی مصنوعی در تخمین جریانات رودخانهای، اولین کنگره ملی مهندسی عمران، دانشگاه صنعتی شریف، صص 7-1.
- ایلدرمی، ع.، زارع ابیانه، ح.، بیات ورکشی، م.، 1392. برآورد بارش به کمک شبکه عصبی مصنوعی با دادههای هواشناسی غیربارشی در سه منطقه شیراز، مشهد و کرمان، نشریه جغرافیا و برنامهریزی، دوره 17، شماره 43، صص 40-21.
- چوبدار، ا، 1386، پیشبینی ورودی ماهانه دریاچه سد شهید مدنی تبریز (ونیار) براساس تأثیر عناصر اقلیمی با استفاده از شبکههای عصبی مصنوعی، رساله دکتری تخصصی جغرافیایطبیعی(کلیماتولوژی)، دانشگاه تبریز.
- حسینی، س ا.، 1388، تحلیل و برآورد دماهای حداکثر شهرستان اردبیل با استفاده از مدل تئوری شبکههای عصبی مصنوعی، پایاننامه کارشناسی ارشد جغرافیای طبیعی (اقلیمشناسی)، دانشکده ادبیات و علوم انسانی، دانشگاه محقق اردبیلی، 95 ص.
- حیدری، ا.، 1392، تحلیل عملکرد شبکه های عصبی مصنوعی(ANN) و مدل های رگرسیونی در پیش بینی و برآورد رسوب و فرسایش مطالعه موردی: حوضه رودخانه کر- چمریز، پایاننامه کارشناسی ارشد ژئومورفولوژی گروه جغرافیای طبیعی، دانشگاه محقق اردبیلی، 132ص.
- خلیلی، ن.، خداشناس، س ر.، داوری، ک.، 1385، پیشبینی بارش با استفاده از شبکههای عصبی مصنوعی، دومین کنفرانس مدیریت منابع آب، مشهد، 10 ص.
- دستورانی، م ت.، عظیمیفشی، خ.، طالبی، ع.، اختصاص، م ر.، 1391، برآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه، پژوهشنامهمدیریتحوزهآبخیز، سال 3، شماره 6، صص 74-61.
- دهقانی، ا.، ملک محمدی، م.، هزارجریبی، ا.، 1389، تخمین رسوب معلق رودخانه بهشت آباد با استفاده از شبکه عصبی مصنوعی، مجلهپژوهشهایحفاظتآبوخاک، جلد 17، شماره 1، صص 168-159.
- دولتخواه، پ.، 1392. برآورد فرسایش و رسوب حوضهی رود ارس با استفاده از شبکههای عصبی مصنوعی، پایاننامه کارشناسی ارشد ژئومورفولوژی، استاد راهنما: فریبا اسفندیاری، دانشکده علوم انسانی، دانشگاه آزاد واحد اهر.
- رحمتی، ح.، امامقلیزاده، ص.، انصاری، ح.، 1396، برآورد رواناب حوضه بار اریه با استفاده از مدلهای WetSpa و شبکه عصبی مصنوعی، نشریه جغرافیا و برنامهریزی، دوره 21، شماره 62، صص 115-95.
- طلوعی، س.، حسین زاده دلیر، ع.، قربانی، م ع.، فاخریفرد، الف.، سلماسی، ف.، 1390، تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی، نشریه دانش آب و خاک، جلد 21، شماره 4، صص 104-93.
- عساکره، ح.، صیادی، ف.، 1396. تحلیل و پیشبینی روزهای خشک با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه تهران)، نشریه جغرافیا و برنامهریزی، دوره 21، شماره 60، صص 167-161.
- فتحی، پ.، محمدی، ی.، همایی، م.، 1388، مدلسازی هوشمند سری زمانی آورد ماهانه ورودی به سد وحدت سنندج، مجله آب و خاک (علوم و صنایع کشاورزی)، جلد 23، شماره 1، صص 220-209.
- مقصودی، م.، یمانی، م.، سالاری، م.، 1387، برآورد فرسایش و رسوب از طریق ارزیابی متغیرهای تأثیرگذار در حوضهی آبخیز وزنه با استفاده از GIS، فصلنامه جغرافیا و توسعه، شماره 16، صص 134-119.
- منهاج، م ب.، 1384، مبانی شبکههای عصبی(هوش محاسباتی)، مرکز نشر دانشگاه صنعتی امیر کبیر، چاپ سوم، جلد 1، 712ص.
- ولی، ع.، معیری، م.، رامشت، م ح.، موحدینیا، ن.، 1389، تحلیل مقایسه عملکرد شبکههای عصبی مصنوعی و مدلهای رگرسیونی پیشبینی رسوب معلق مطالعه موردی: حوضه آبخیز اسکندری واقع در حوضه آبریز زاینده رود، پژوهشهای جغرافیای طبیعی، شماره 71، صص 30-21.
- Abbasi Shoshtari, S. and M. Kashefipoor, 2006, Estimation of suspended sediment using artificial neural networks (Case study: Ahwaz station), 7th international river engineering conference, Ahwaz, Iran. 813 pp.
- Ardiclioglo, M., O. Kisi and T. Haktanir, 2007, Suspended sediment prediction using two different feed-forward back-propagation algorithms, Canadian Journal of Civil Engineering, 34(1): 120-125.
- Bhattacharya, B., Price, R.K., Solomatine, D.P, 2005, Data-driven modeling in the context of sediment transport, Physics and Chemistry of the Earth 30, 297–302.
- Cigizoglu, H.K.,Alp,M, 2006, Generalized regression neural network in modeling river sediment yield, J. Advance in Engineering Software.37:63-68
- Conrads, P.A., Roehle, E.A, 1999, Comparing Physics- Based and Neural Network Mo Simulating Salinity, Temperature and Dissolved in a Complex, Tidally Affected River Basin, Proceeding of the South Carolina Environmental Conferens, 1-15.
- Firat, M. and M. Gunger, 2009, Generalized regression neural networks and feed forward neural networks for prediction of scour depth around bridge piers, Advance in Engineering Software, 40: 731-737.
- Fulop, I.A., Jozsa, J., Karamer, T, 1998, Aneural network application in estimating wind induced shallow lak motion, Hydroinformatics 98, 2: 753-757.
- Hamidi, N. and N. Kayaalp, 2008, Estimation of the amount of suspended sediment in the Tigris river using artificial neural networks. Clean, 36(4): 380- 386.
- Melesse, A.M., S. Ahmad, M.E. McClain, X. Wang and Y.H. Lim, 2011, Suspended sediment load prediction of river systems: An artificial neural network approach, Agricultural Water Management, 98(5): 855-866.
- Ranjithan, J., Eheart, J., Garrett, J.H, 1995, Application of neural network in groundwater remediation under condition of uncertainty, New Uncertainty conceptsion, Hydrology and Water Resources, 133-140.
)