اسکندرینیا، ع. 1385. شبیهسازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی (ANN) و مقایسه با مدل آماری نزدیکترین همسایه (K-NN)، پایاننامه کارشناسی ارشد سازههای آبی، مجتمع آموزش عالی علوم کشاورزی و منابع طبیعی ساری، دانشگاه مازندران، 124 ص.
اسکندرینیا، ع.، ه. نظرپور، م.ض. احمدی، م. تیموری و م.ذ. مشفق. 1390. بررسی تأثیر عامل بارش پیشین در برآورد جریان رودخانه توسط شبکه عصبی مصنوعی (مطالعه موردی: رودخانه بختیاری). پژوهشنامه مدیریت حوزه آبخیز، 2 (3): 62-51.
حقیزاده، ع.، م. محمدلو و ف. نوری. 1394. شبیهسازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی و سیستم فازی عصبی تطبیقی و رگرسیون چند متغیره (مطالعه موردی: حوضه آبخیز خرمآباد). مجله اکوهیدرولوژی، 2 (2): 243-233.
دستورانی، م.ت.، ح. شریفی دارنی، ع. طالبی و ع.ر. مقدمنیا. 1390. کارآیی شبکههای عصبی مصنوعی و سیستم استنتاج عصبی- فازی تطبیقی در مدلسازی بارش- رواناب در حوضه آبخیز سد زایندهرود. مجله آب و فاضلاب، 4: 125-114.
دهقانی، ن.، م. وفاهخواه و ع.ر. بهرهمند. 1395. مدلسازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان. پژوهشنامه مدیریت حوزه آبخیز، 13(7): 137-128.
علیزاده، ا. 1374. اصول هیدرولوژی کاربردی. انتشارات آستان قدس، چاپ پنجم، مشهد، 634 ص.
نجفی نیسیانی، ن. 1385. برآورد بار رسوب رودخانه زایندهرود با استفاده از شبکه عصبی مصنوعی، پایاننامه کارشناسی ارشد سازههای آبی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، 160 ص.
Alizadeh, M. J., M. R. Kavianpour, O. Kisi and V. Nourani. 2017. A new approach for simulating and forcasting the rainfall runoff process within the next two months. Journal of Hydrology, 548: 588-597.
Anctil, F., C. Michae, C. Perrin and V. Andreassian. 2004. A soil moisture index as an auxiliary ANN input for stream flow forcasting. Journal of Hydrology, 286: 155-167.
Anusree, K. and K. O. Varghese. 2016. Streamflow predictioin of Karuvannur river basin using ANFIS, ANN and MNLR models. International Conference on Emerging Trends in Engineering. Science and Technology, Procedia Technology, 24: 101-108.
Aqil, M., I. Kita, A. Yano and S. Nishiyama. 2007. A comparative study of artificial neural networks and Neuro-Fuzzy in continuous modeling of the daily and hourly behavior of runoff. Journal of Hydrology, 337: 22- 34.
Ashrafi, M., C. C. Liyd Hock, Q. Chai, and Q. Xiaosheng. 2017. A fully-onlinr Neuro-Fuzzy model for flow forecasting in basins with limited data. Journal of Hydrology, 545: 424-435.
Chang, T. K., A. Talei, S. Alaghmand and L. H. C. Chua. 2016. Rainfall-runoff modeling using dynamic evolving neural fuzzy inference system with online learning. Procedia Engineering, 154: 1103-1109.
Heggen, R. J. 2001. Normalized antecedent precipitation index. Journal of Hydrology Engineering, 6(5): 377-381.
Kisi, O. 2010. River suspended sediment concentration modeling using a neural differential evolution approach. Journal of Hydrology, 389: 227-235.
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: 438-444.
Sachan, A. and D. Kumar. 2017. Neural fuzzy inference system modeling with different input vectors for rainfall-runoff prediction. International Journal of Advance Research, Ideas and Innovations in Technology, 3 (6): 449-458.