منابع
احمدزاده قره گویز، م. میرلطیفی، ک. محمدی. 1389. مقایسهی سیستمهای هوش مصنوعی (ANN وANFIS ) در تخمین میزان تبخیر- تعرق مرجع در مناطق بسیار خشک ایران، نشریه آب وخاک. جلد 24. شمارهی 4. ص 689-679.
دهقانی، ا. ا.، م. پیری، م. حسام، ن. دهقانی. 1389. تخمین تبخیر روزانه از تشت تبخیر با استفاده از سه شبکه عصبی پرسپترون چندلایه، تابع پایه شعاعی و المانی. مجله پژوهشهای حفاظت آب و خاک، جلد 17، شماره 2، ص67-49.
سلطانی، ا.، م. میرلطیفی، ح. دهقانی سانیج. 1391. برآورد تبخیر و تعرق با استفاده از دادههای محدود هواشناسی در شرایط اقلیمی مختلف. نشریه آب و خاک. جلد 26، شماره 1. ص 139- 149.
شایان نژاد، م. 1385. مقایسه دقت روشهای شبکههای عصبی مصنوعی و پنمن-مانتیس در محاسبه تبخیر و تعرق پتانسیل. همایش ملی مدیریت شبکههای آبیاری و زهکشی. دانشگاه شهید چمران اهواز.
شایان نژاد، م.، ح. ساداتی نژاد. 1387. تخمین تبخیر و تعرق پتانسیل روزانه گیاه مرجع چمن با استفاده از شبکه عصبی مصنوعی. مجلهی علمی پژوهشی مرتع، سال 2، شمارهی 2. ص 194- 182.
صیادی، ح.، ا. اولاد غفاری، ا. فعالیان، ع. صدرالدینی. 1388. مقایسهی برآورد شبکه های MLP و RBF در برآورد تبخیر و تعرق مرجع. مجلهی دانش آب و خاک. جلد 19، شمارهی 1. ص 12- 1.
علیزاده، ا. 1383. رابطهی آب و خاک وگیاه. مشهد، دانشگاه امام رضا. ویرایش3.
منهاج، م. ب. 1381. مبانی شبکههای عصبی و هوش محاسباتی، جلد اول، انتشارات دانشگاه صنعتی امیر کبیر، تهران.
نوری، س.، غ. فلاحقالهری، ح. ثنایی نژاد. 1392. مدل سازی تبخیر- تعرق گیاه پتانسیل با استفاده از شبکه عصبی مصنوعی با حداقل متغیرهای اقلیمی در ایستگاه سینوپتیک مشهد. نشریه پژوهشهای حفاظت آب و خاک، جلد 20، شماره 5. ص 178-163.
هژبر، ح.، ه. معاضد، س. شکری کوچک. 1393. برآورد تبخیر و تعرق مرجع با استفاده از مدلهای تجربی ،مدلسازی آن با شبکه عصبی مصنوعی و مقایسه با دادههای لایسیمتری در ایستگاه کهریزک ارومیه. فصلنامه علمی و پژوهشی مهندسی آبیاری و آب. سال 4. شمارهی 16. ص 13-25.
Allen, R. G., L. S. Pereira, D. Raes and M. Smith. 1998. Crop Evapotranspiration - Guidelines for Computing Crop Water Requirements. FAO Irrigation and Drainage Paper 56.
Benediktsson, J. A., P. H., Swain and O. K. Erosy. 1990. Neural network approaches versus statistical methods in classification of multisource remote Sensing data. IEEE Transaction on Geosciences and Remote Sensing, 28(4): 540-551.
Chow, V. T., D. R., Maidment, and L.W., Mays, 1988. Applied Hydrology, illustrate. ed.Mcgraw-Hill Higher Education, New York, NY.
Civco, D. L., and Y. Wanug. 1994. Classification of multispectral, multitemporal, multisource Spatial data using artificial neural networks, Congress on Surveying and Mapping. USA.
Falamarzi,Y. N. palizdan, Y. feng Hung and T. shui lee. 2014. Estimating evapotranspiration from temperature and wind speeddata using artificial and wavelet neural networks (WNNs). Agricultural Water Management 140 : 26–36
Hargreaves, G. H. and Z. A., Samani. 1985. Reference crop evapotranspiration from temperature. Transaction of ASAE 1(2):96-99.
Huo Z . S . Feng Kang and X . Dai. 2012. Artificial neural network models for reference evapotranspiration in an arid area of northwest China. Journal of Arid Environments 82 : 81-90.
Jain S. K, P. C, Nayak, K. P, Sudhir. 2008. Models for estimating evapotranspiration using artificial neural networks, and their physical interpretation. Hydrol Process 22(13):2225–2234
Kisi, O. 2008. River flow forecasting and estimation using different artificial neural network techniques, Hydrol. Res. 39: 1. 27-40.
Kumar, M., A., Bandyopadhyay, N. S.,Raghuwanshi, R., Singh. 2008. Comparativestudy of conventional and artificial neural network-based ETo estimation mod-els. Irrig. Sci. 26, 531–545.
Kumar,M., N. S. , Raghuwanshi, R, Singh. 2011. Artificial neural networks approach in evapotranspiration modeling: a review. Irrig Sci 29:11–25.
Ladlani, I., L., Houichi, L., Djemili, S., Heddam and K., Belouz, 2012. Modeling dailyreference evapotranspiration (ET0) in the north of Algeria using generalizedregression neural networks (GRNN) and radial basis function neural networks(RBFNN): a comparative study. Meteorol. Atmos. Phys. 118, 163–178.
Priestley, C. H. B. and R. J. Taylor. 1972. On the assessment of surface heat and evaporation using large-scale parameters, Monthly Weather Review, 100: 81-92.
Penman, H. L. 1948. Natural evaporation from open water, bare soil and grass. Proc.R. Soc. London, Ser. A Math. Phys. Sci. 193, 120–145.
Rahimi Khoob, A. 2008. Artificial neural network estimation of reference evapotranspiration from pan evaporation in a semi-arid environment. Irrig. Sci. 27,35–39
Wang, Y. M, S. Traore, and T. Kerh. 2008. Neural network approach for estimating reference evapotranspiration from limited climatic data in Burkina Faso. WSEAS Transactions on Computers. 7: 704-713.