ادب، ف.، 1395. شبیهسازی و تحلیل دبی جریان رودخانههای کارون و دز با استفاده از نظریه آشوب. پایاننامه کارشناسی ارشد مهندسی منابع آب. دانشکده مهندسی عمران. دانشگاه سمنان.
ادب، ف.، س. ف. موسوی، س. فرزین، ح. کرمی و س. فهیم فر. 1394. بررسی و تحلیل دبی جریان رودخانه گرگر از دیدگاه نظریه آشوب. سومین کنگره بینالمللی عمران، معماری و توسعه شهری. دانشگاه شهید بهشتی، تهران.
اسلامی، ا.، ب. قهرمان، ع. ن. ضیایی و پ. اسلامی. 1395. تأثیر کاهش نوفه در تحلیل پویایی غیرخطی سری زمانی دمای حداکثر روزانه در ایستگاه کرمان. تحقیقات منابع آب ایران. 185-171.
امیرخان، م.، ح. دیدهخانی و ا. م. زاهدی انارکی. 1394. پیشبینی سری زمانی با استفاده از مدل ترکیبی شبکه عصبی مصنوعی و الگوریتم بهینهسازی گروهی ذرات. پژوهش و فناوری. 167-149.
پری زنگنه، م.، م. عطائی و پ. معلم. 1387. تخمین بُعد محاط سریهای زمانی حاصل از سیستمهای آشوبی با بُعد بالا توسط شبکههای عصبی تأخیر زمانی توسعه یافته. دومین کنگره مشترک سیستمهای فازی و هوشمند ایران، تهران، دانشگاه صنعتی مالک اشتر.
پوستی زاده، ن.، و ن. نجفی. 1390. مقایسه کاربرد شبکه عصبی مصنوعی (ANN) با سیستم استنتاج فازی (FIS) در پیشبینی جریان رودخانه زاینده رود. تحقیقات منابع آب ایران. 97-92.
جباری قره باغ، ث.، ح. رضایی و ب. محمدنژاد. 1394. مقایسهی فضای حالت بازسازی شده و آشوبناکی جریان رودخانهی نازلوچای در مقیاسهای زمانی مختلف. مجله پژوهشهای حفاظت آب و خاک. 155-135.
شقاقیان، م. ر.، و ط. بیدختی. 1388. بررسی وجود آشوب در جریان رود در مقیاسهای زمانی گوناگون. فصلنامه مهندسی منابع آب. 8-1.
لطفاللهی یقین، م. ع.، م. ا. لشته نشایی، م. ع. قربانی و م. بیک لریان. 1392. مدلسازی و پیشبینی ارتفاع موج شاخص دریای خزر با نظریه آشوب. نشریه مهندسی عمران و محیط زیست. 105-97.
مرادیزاده کرمانی، ف. 1389. تخمین جریان رودخانهها با استفاده از نظریه آشوب و برنامهریزی ژنتیک در مقیاسهای زمانی مختلف. پایاننامه کارشناسی ارشد مهندسی آب. دانشکده کشاورزی. دانشگاه تبریز.
Abarbanel H. 1996. Analysis of observed chaotic data. Springer-Verlag, New York.
Fraser, A. and H.L. Swinney. 1986. Independent coordinates for strange attractors from mutual information. Phys. Rev. 33:1134-1140.
Grassberger, P. and I. Procaccia. 1983. Measuring the strangeness of strange attractors. Physica D. 9:189-208.
Hassanzadeh, Y., M. Lotfollahi-Yaghin, S. Shahverdi, S. Farzin and N. Farzin. 2013. De-noising and prediction of time series based on the wavelet algorithm and chaos theory (Case study: SPI drought monitoring index of Tabriz city). Iran Water Resour. Res. 8(3):1-13.
Hu, Z., C. Zhang, G. Luo, Z. Teng and C. Jia. 2013. Characterizing cross-scale chaotic behaviors of the runoff time series in an inland river of Central Asia. Quaternary Int. 311:132-139.
Islam, M.N. and B. Sivakumar. 2002. Characterization and prediction of runoff dynamics: A nonlinear
dynamical view. Adv. Water Resour. 25:179-190.
Khatibi, R., B. Sivakumar, M.A. Ghorbani, O. Kisi, K. Koçak and D.F. Zadeh. 2012. Investigating chaos in river stage and discharge time series. J. Hydrol. 414:108-117.
Koutsoyiannis, D. 2006. On the quest for chaotic attractors in hydrological processes. Hydrol. Sci. J. 51(6):1065-1091.
Ng, W.W., U.S. Panu and W.C. Lennox. 2007. Chaos based analytical techniques for daily extreme
hydrological observations. J. Hydrol. 342:17- 41.
Regonda, S.K., B. Sivakumar and A. Jain. 2004. Temporal scaling in river flow: Can it be chaotic? Hydrol. Sci. J. 49(3):373-385.
Rosenstein, M.T., J.J. Collins and C.J. De Luca. 1993. A practical method for calculating largest Lyapunov exponents from small data sets. Physica D: Nonlinear Phenomena. 65(1-2):117-134.
Sivakumar, B. 2009. Nonlinear dynamics and chaos in hydrologic systems: Latest developments and a look forward. Stoch. Environ. Res. Risk Assess. 23(7):1027-1036.
Valipour, M. 2015. Long‐term runoff study using SARIMA and ARIMA models in the United States. Meteorol. Appl. 22(3):592-598.
Wang, W., J.K. Vrijling, P.H.A.J.M. Van Gelder and J. Ma. 2006. Testing for nonlinearity of streamflow processes at different timescales. J. Hydrol. 322(1):247-268.
Wang, J., J. Hu, K. Ma and Y. Zhang. 2015. A self-adaptive hybrid approach for wind speed forecasting. Renewable Energy 78:374-85.
Wolff, R.C.L. 1992. Local Lyapunov exponents: Looking closely at chaos. J. Royal Stat. Soc. 54(2):353-371.