آزادطلاتپه، ن.، بهمنش، ج.، منتصری، م. و رضاوردینژاد، و. 1394. مقایسه روشهای سری زمانی و شبکه عصبی مصنوعی در پیشبینی تبخیر-تعرق مرجع (مطالعه موردی: ارومیه). علوم و مهندسی آبیاری (مجله علمی-پژوهشی)، جلد 38، شماره 4 زمستان 94.
حسینی، س.م.ر.، گنجیخرمدل، ن و خلتآبادی فراهانی، ا.ح. 1394. ارزیابی و آنالیز حساسیت روشهای مختلف تخمین تبخیر و تعرق مرجع روزانه در یک اقلیم سرد. نشریه پژوهشهای کاربردی علوم آب، سال اول، شماره دوم، زمستان 1394، صفحات 29-40.
سبزواری، ی.، نصرالهی، ع.ح.، شریفیپور، م. و شاهینژاد، ب. 1399. کاربرد رگرسیون چندمتغیره و برنامهریزی بیان ژن در برآورد تبخیر و تعرق. نشریه علوم و مهندسی آبیاری، مرداد 1399. شناسه دیجیتال (DOI): 10.22055/JISE.2020.31583.1890
سیفی، ا.، میرلطیفی، س.م. و ریاحی، ح. 1389. توسعه مدل ترکیبی رگرسیون چندگانه-تحلیل مؤلفهها و عاملهای اصلی (MLR-PCA) در پیشبینی تبخیر-تعرق مرجع (مطالعه موردی: ایستگاه کرمان). نشریه آبوخاک، جلد 24، شماره 6، صفحات 1186-1196.
فیضالهپور، ف. دلاور، م. و حسامی افشار، م. 1396. ارزیابی و تحلیل عدم قطعیت برآورد تبخیر-تعرق گیاه مرجع با استفاده از برنامهریزی ژنتیک. نشریه دانش آبوخاک، جلد 27، شماره 4، 147-135.
کرباسی، م. 1395. پیشبینی تبخیر-تعرق مرجع ایستگاه سینوپتیک اهواز با استفاده از مدل ترکیبی موجک-شبکه عصبی GMDH. نشریه پژوهشهای حفاظت آب و خاک، جلد بیست و سوم، شماره چهارم، 1395.
کولائیان، ع.، غلامی سفیدکوهی، م.ع. و ضیاتباراحمدی، م.خ. 1392. ارزیابی روشهای نوین محاسباتی در برآورد تبخیر و تعرق روزانه (مطالعه موردی دشت ناز ساری). دوازدهمین همایش ملی آبیاری و کاهش تبخیر. دانشگاه شهید باهنر کرمان، کرمان، 5 و 6 شهریور.
Allen, R.G., Pereira, L.S., Raes, D. and Smith, M. 1998. Crop evapotranspiration-Guidelines for computing crop water requirements-FAO Irrigation and drainage paper 56. FAO, Rome, 300(9), D05109.
Berti, A., Tardivo, G., Chiaudani, A., Rech, F. and Borin, M. 2014. Assessing reference Evapotranspiration by the Hargreaves method in north-eastern Italy. Agric. Water Manage. 140: 20-25.
Djaman, K.B., Balde, A., Sow, A., Muller, B., Irmak, S.K., N’Diaye, M., Manneh, B.D., Moukoumbi, Y., Futakuchi, K. and Saito, K. 2015. Evaluation of sixteen reference Evapotranspiration methods under sahelian conditions in the Senegal River Valley. J. Hydrol. Region. Stud. 3: 139-159.
Ferreira, C. 2001. Gene Expression Programming: A New Adaptive Algorithm for Solving Problems, Complex Systems, 13 (2), 87-129.
Kisi, O. 2009. Modeling monthly evaporation using two different neural computing techniques. Irrigation Science, 27:417–430.
Kisi, O. and Alizamir, M. 2018. Modelling reference evapotranspiration using a new wavelet conjunction heuristic method: Wavelet extreme learning machine vs wavelet neural networks. Agricultural and Forest Meteorology 263 (2018) 41–48.
Ladlani, I., Hauichi, L., Dhemili, L., Heddem, S. and Blouze, K.H. 2012. Estimation of daily refrence evapotranspiration in the north of Algeria using adaptive neuro-Fuzzy inference system (ANFIS) and multiple linear regression Models: a comparative study. Arabian Journal for Science and Engineering, 39: 5959-5969.
Lima, A.R., Cannon, A.J. and Hsieh, W.W. 2015. Nonlinear regression in environmental sciences using extreme learning machines: a comparative evaluation. Environal ModelSoftware. 73, 175–188.
Liu, X., Xu, C., Zhong, X., Li, Y., Yuan, X. and Cao, J. 2017. Comparison of 16 models for reference crop Evapotranspiration against weighing Lysimeter measurement. J. Agric. Water Manage. 184: 145-155.
Mallik, A.P., Jyothy, S.A. and Sekhar Reddy, K.C. 2013. Daily reference evapotranspiration estimation using linear regression and Ann models. The Institution of Engineers (India), 93(4):215–221.
Niaghi, A.R., Majnooni-Heris, A., Haghi, D.Z. and Mahtabi, G., 2013. Evaluate several potential Evapotranspiration methods for regional Use in Tabriz, Iran. J. Appl. Environ. Biol. 3: 31-41.
Tabari, H., Grismer, M.E. and Trajkovic, S. 2013. Comparative analysis of 31 reference Evapotranspiration methods under humid conditions. Irrig. Sci. 31: 107-117.
Trajkovic, S. 2007. Hargreaves versus Penman-Monteith under humid conditions. J. Irrig. Drain. Eng. 133: 38-47.
Yassin, M.A. Alazba, A. A. and Mattar, M.A. 2016. Artificial neural networks versus gene expression programming for estimating reference evapotranspiration in arid climate. Agricultural Water Management, 163, 110-124.