جودی، ع. و م. ت. ستاری. 1396. مقایسه کارایی روشهای رگرسیون بردار پشتیبان و نزدیکترین همسایگی در برآورد بار رسوبی معلق در رودخانه، مطالعه موردی: رودخانه لیقوان چای. مجله منابع طبیعی ایران، دوره 70، شماره 2، ص 345-358.
حسنپور، ف. و س. م.، طباطبایی. 1388. لایروبی موضعی روشی کمهزینه برای حفظ حیات رودخانه سیستان. اولین همایش ملی اصلاح الگوی مصرف با محوریت منابع طبیعی، کشاورزی و دامپزشکی. زابل، دانشگاه زابل.
دستورانی، م. ت.، خ. عظیمی فشمی، ع. طالبی و م. ر. اختصاصی. 1391. برآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی، مطالعه موردی: حوزه آبخیز چامیشان استان کرمان. پژوهشنامه مدیریت حوزه آبخیز، دوره 3، شماره 6، ص 74-61.
دهقانی، ا.، م. ا. زنگانه، ا. مساعدی و ن. کوهستانی. 1388. مقایسه تخمین بار معلق به دو روش منحی سنجه رسوب و شبکه عصبی مصنوعی، مطالعه موردی: رودخانه دوغ استان گلستان. نشریه علوم کشاورزی و منابع طبیعی، دوره 16، شماره 1، ص 276-266.
دهقانی، ا.، م. قبائی سوق، ح. شریفان و ن. دهقانی. 1390. واسنجی معادلات تجربی تبخیر و تعرق روزانه و مقایسه با نتایج شبکههای عصبی مصنوعی در شرایط مختلف کمبود دادههای هواشناسی. مجله مدیریت آب و آبیاری، دوره 1، شماره 1، ص 54-41.
دهقانی، ن. و م. وفاخواه. 1392. مقایسه روشهای تخمین رسوب معلق روزانه با استفاده از روشهای منحنی سنجه رسوب و شبکه عصبی، مطالعه موردی: ایستگاه قزاقلی، استان گلستان. مجله پژوهشهای حفاظت آب و خاک، دوره 20، شماره 2، ص 230-221.
رجایی، ط. و ه. ابراهیمی. 1393. مدلسازی نوسانهای ماهانة آب زیرزمینی به وسیلة تبدیل موجک و شبکة عصبی پویا. مجله مدیریت آب و آبیاری، دوره 4، شماره 1، ص 87-73.
ستاری، م. ت.، ع. ر. جودی، ف. صفدری، و ف. قهرمان زاده. 1395. ارزیابی عملکرد روش های مدل درختی و رگرسیون بردار پشتیبان در مدل سازی رسوب معلق رودخانه. نشریه حفاظت منابع آب و خاک، دوره ششم، شماره اول، ص 109-123.
شریف آذری، س. و ش. عراقینژاد. 1392. توسعة مدل ناپارامتری شبیه ساز دادههای ماهانة هیدرولوژیکی. مجله مدیریت آب و آبیاری، دوره 3، شماره 1، ص 95-83.
فراهی، گ.، س. ر. خداشناس و ا. علیزاده. 1390. برآورد رسوب حوزههای آبخیز شمال استان خراسان با استفاده از مدل رگرسیون فازی. مجله علوم و مهندسی آبخیزداری، سال پنجم، شماره 15، ص 24-11.
نیکبخت شهبازی، ع.، ب. زهرایی و م. ناصری. 1391. پیشبینی فصلی خشکسالی هواشناسی با استفاده از ماشینهای بردار پشتیبان. مجله آب و فاضلاب، دوره 23، شماره 2، ص 85-73.
Alp, M. and H.K. Cigizoglu. 2007. Suspended sediment load simulation by two artificial neural network methods using hydrometeorological data. Environmental Modelling & Software, 22(1): 2-13.
Asefa, T., M. Kemblowski, M. Mckee and A. Khalil. 2006. Multi time scale strem flow predictions: the support vector machines approach. Hydrology, 318(1-4): 7-16.
Bharti, B., A. Pandey, S. K. Tripathi and D. Kumar. 2017. Modelling of runoff and sediment yield using ANN, LS-SVR, REPTree and M5 models. Hydrologe research, 211(2-8):1489-1506.
Cimen M. 2008. Estimation of daily suspended sediments using support vector machines. Hydrological Sciences Journal, 53 (3):656–666.
Cristianini, N. and T. Shawe. 2000. An Introduction to Support Vector Machines. Cambridge University Press, Cambridge, 189 p.
Hazarika, B.B., D. Gupta and M. Belin. 2020. Modeling suspended sediment load in ariver using extreme learning machine and twin support vector regression with wavelet conjunction. Environmental Earth Sciences, 79(2):234-248.
Joudi, A. R. and M.T. sattari. 2017. Comparison of the Efficiency of Support Vector Regression and K-Nearest Neighbor Methods in suspended sediment load Estimation in river (Case Study: Lighvan Chay River).Journal of RANNGE AND Watershed MANAGEMENT,122-138p.
Kakaei lafdani, E., A. Moghaddam nia and A. Ahmadi, 2013. Daily suspended sediment load prediction using artificial neural networksand support vector machines. Hydrology Research 478: 50–62.
Kisi, O. 2012. Modeling discharge-suspended sediment relationship using least square support vector machine. Hydrology, 456-457: 110-120.
Kisi, O. 2005. Suspended sediment estimation using neuro-fuzzy and neural network approaches. Hydrological Sciences Journal, 50(4): 683-696.
Kisi, O., M.E. Karahan and Sen, Z. 2006. River suspended sediment modeling using fuzzy logic approach. Hydrological Processes, 20(20): 4351-4362.
Kisi, O.T. Haktanir, M. Ardiclioglu, O. Ozturk, E.Yalcin and S. Uludag. 2009. Adaptive neuro-fuzzy computing technique for suspended sediment estimation.
Advances in Engineering Software, 40(6): 438-444.
Lall, U. and A. Sharma. 1996. A nearest neighbor bootstrap for resampling hydrologic time series. Water Resources Research, 32(3): 679-694.
Prairie, J. R., B. Rajagopalan, T.J. Fulp and E.A. Zagona. 2006. Modified K-NN model for stochastic streamflow simulation. Hydrologic Engineering, 11(4):371-378.
Roshangar, K. and A. Koshi. 2015. Evaluation of GA-SVR method for modeling bed load transport in gravel-bed Rivers.
Journal of Hydrology, 527:1142-4452.
Sheikhalipour, Z. and F. Hassanpour. 2013. Estimation of Suspended Sediment Load Using Genetic Expression Programming. Civil Engineering and Urbanism, 3(5):292-299.
Shoushtari, Sh. and Kashefipour, M. 2007. Estimating of suspended sediment load using artificial neural networks case study Ahvaz station. In: Proceeding of 7th International Conference on River Engineering, Shahid Chamran University, Ahwaz, Iran, 343-356.
Torabi, H. and R. Dehghani, 2018. Comparison and evaluation of intelligent models for river suspended sediment estimation (case study: Kakareza River, Iran). Environmental Resources Research, 852:139-15
Vapnik, V. N. 1995. The nature of statistical learning theory. Springer-Verlag, New York, 314p.
Vinod, H. D. 2014. Matrix Algebra Topics in Statistics and Economics Using R, inHandbook of Statistics: Computational Statistics with R, Vol. 34, eds. Ra o, M. B. and Rao, C. R., New York: North Holland, Elsevier Science, pp. 143-176.