1.احمدی، ف. آیشم، س. خلیلی، ک.بهمنش، ج. 1393. کاربرد سیستم های استنتاج فازی-عصبی تطبیقی و ماشین بردار پشتیبان برای برآورد تبخیر تعرق مرجع ماهانه شمال غرب کشور. جلد 30. صفحههای 274-260.
2.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 برنامه ریزی. دوره 17، شماره 43، صفحه 21-40.
3.بهمنش، ج. آزاد طلاتپه، ن. 1394. بررسی تغییرات پارامترهای هواشناسی موثر بر اقلیم ارومیه. نشریه جغرافیا و برنامه ریزی. دوره 19، شماره 51، صفحه 41-58.
4.حسینی موغاری، س.م. بنی حبیب، م.1393. بهینهسازی بهره برداری از مخزن برای تامین آب کشاورزی با استفاده از الگوریتم کرم شب تاب. نشریه حفاظت منابع آب و خاک تابستان 1393.دوره 3، شماره 4.صفحه 17 - 31.
5.دانشفراز، ر. 1394. تحلیل حساسیت پاراهای موثر بر میزان تبخیر روزانه با استفاده از الگوریتم Garson و شبکه عصبی مصنوعی (مطالعه موردی: شهر تبریز). نشریه جغرافیا و برنامهریزی. شماره 54. صفحه 127-142.
6.دهقانی، امیراحمد. پیری، مهدی. حسام، موسی. دهقانی، نوید. 1389. تخمین تبخیر روزانه از تشت تبخیر با استفاده از سه شبکه عصبی مصنوعی پرسپترون چندلایه، تابع پایه شعاعی و المانی. مجله پژوهشهای حفاظت آب و خاک. شماره 2. جلد 17. صفحههای 67-49.
7.سعادتخواه، ن.، سارنگ، س. ا.، تجریشی، م. و ابریشمچی، ا. 1380 . برآورد تبخیر از مخازن چاه نیمه. آب و فاضلاب، شماره40 ، صفحههای 32 -12.
8.قربانی، م، ع. پوربابک، س. جباری خامنه، ح. اسدی، ا.
9.فاضلی فرد، م، ح. 1395. طبقهبندی دمایی ایستگاههای هواشناسی کشور با استفاده از خوشهبندی فازی و شبکه عصبی مصنوعی کوهونن. نشریه جغرافیا و برنامه ریزی. دوره 20، شماره 55، صفحه 45-63.
10.کوچک زاده، م. بهمنی، ع .1384. ارزیابی عملکرد شبکه های عصبی مصنوعی در کاهش پارامترهای مورد نیاز، جهت برآورد تبخیر- و تعرق مرجع، مجله علوم کشاورزی، سال یازدهم،شماره 4. صفحه 101-.91.
11.محمدی، ب. 1396. تخمین تبخیر روزانه بر اساس مدل هیبریدی شبکه عصبی مصنوعی و الگوریتم بهینه سازی کرم شب تاب. پایان نامه کارشناسی ارشد، دانشکده کشاورزی، دانشگاه تبریز.
12.ندیری، ع، ا. نادری، ک. اصغری مقدم، ا. حبیبی، م، ح. 1395. پیشبینی زمانی و مکانی سطح آب زیرزمینی با استفاده از روشهای هوش مصنوعی و زمین آمار (مطالعه موردی: آبخوان دشت دوزدوزان). دوره 20، شماره 58، صفحه 281-301.
13.ولیزاده کامران، خ. 1393. برآورد تبخیر- تعرق پتانسیل در آذربایجان شرقی به روش استفنز با استفاده از GIS. دوره 18، شماره 49، صفحه 317-334.
14.ولیزاده کامران، خ. 1394. برآورد تبخیر- تعرق واقعی بهروش سبال کوهستانی در منطقه مشگینشهر. دوره 19، شماره 53، صفحه 353-382.
15.ASCE Task Committee on Application of Artificial Neural Networks in Hydrology (2000), "Artificial Neural Networks in Hydrology. I: Preliminary Concepts." Journal of Hydrology Engineering, 2:115-123.
16.Coulibaly, P., Anctil, F., Bobée, B., (2000), "Daily reservoir inflow forecasting using artificial neural networks with stopped training approach", Journal of Hydrology, 230:244-257.
17.Dawson, C.W., Abrahart, R.J., Shamseldin, A.Y. and Wibly, R.L., (2006), "Flood estimation at ungauged sites using artificial neural networks", Journal of Hydrology, 319: 391-409.
18.Eslamian, S.S.; J. Abedi-Koupai; MJ. Amiri; SA. Gohari. 2009. Estimation of daily reference evapotranspiration using support vector machines and artifical neural networks in greenhouse. Environmental Sciences, 4: 439-447.
19.Ghorbani, M.A., H. Ahmadzadeh., M. Isazadeh and O. Terzi. 2016. A comparative study of artificial neural network (MLP, RBF) and support vector machine models for river flow prediction. Environmental Earth Science, 75: 476-490.
20.IPCC (2001). Climate Change 2001: The Scientific Basis,Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change.
21.Kazemzadeh,M,J.Daneshmand, Ahmadfard, M , A. (2015). "Optimal Remediation Design of Unconfined Contaminated Aquifers Based on the Finite Element Method and a Modified Firefly Algorithm." Water Resources Management 29(8): 2895-2912
22.Kisi, O. Shiri, J. Karimi, S. Shamshirband, Sh. Motamedi, Sh, Petkovic, D. Hashim, R. (2015). "A survey of water level fluctuation predicting in Urmia Lake using support vector machine with firefly algorithm." Applied Mathematics and Computation 270: 731-743
23.Kisi, O., Genc, O., Dinc, S., Zounemat-Kermani, M., (2016)," Daily pan evaporation modeling using chi-squared automatic interaction detector, Neural networks, Classification and Regression tree", Computers and Electronics in Agriculture, 122: 112–117.
24.Kumar, M., Raghuwanshi, N.S., Singh, R., Wallender, W.W., and Pruitt, W.O.2002. Estimating evapotranspiration using artificial neural network. J. Irrig. Drain. Engin. 128: 4. 224-233
25.Landeras ,G. Barredo,A. Javier ,J. (2008) Comparison of artificial neural network models and empirical and semi-empirical equations for daily reference evapotranspiration estimation in the Basque Country (Northern Spain). agricultural water management 95 (2008) 553–565.
26.Lo Conti, F.; Hsu, K.L.; Noto, L.V.; Sorooshian, S. (2014). Evaluation and comparison of satellite precipitation estimates with reference to a local area in the Mediterranean Sea. Atmospheric Research, 138: 189-204.
27.McCuen, R.H., (1998), "Hydrologic analysis and design", Prentice Hall, Englewood Cliffs, New Jersey, 1-867.
28.Moghaddamnia, A. Ghafari Gousheh M, Piri J, Amin S and Han D, 2009. Evaporation estimation using artificial neural networks and adaptive neuro-fuzzy interface system techniques. Advances in Water Resources, 32: 88-97.
29.Pincus, R.; Batstone, C.P.; Hofmann, R.J.P.; Taylor, K.E.; Glecker, P.J. (2008). Evaluating the present‐day simulation of clouds, precipitation, and radiation in climate models. Journal of Geophysical Research: Atmospheres, 113(D14): 1-10.
30.Nash, J.E., I.V. Sutcliffe. 1970. River flow forecasting through conceptual models, Part I, A discussion of principles, Journal of Hydrology, 10:282-290.
31.Singh, V.P., Xu, C.Y., (1997), "Evaluation and generalization of 13 mass transfer equations for determining free water evaporation", Hydrological Process, 11:311–324.
32.Tezal, G., Buyukyildiz, M., (2015), "Monthly evaporation forecasting using artificial neural networks and support vector machines", Journal of Theoretical and Applied Climatology, 124: 69-80.
33.Wehner, M.F. (2013). Very extreme seasonal precipitation in the NARCCAP ensemble: model performance and projections, Climate Dynamics, 40(1-2): 59-80.
34.Yang, X.-S. and X. He (2013). "Firefly algorithm: recent advances and applications." International Journal of Swarm Intelligence 1(1): 36-50