بیات،ک و میرلطیفی،م. 1388 . تخمین تابش کل خورشیدی روزانه با استفاده از مدلهای رگرسیونی و شبکههای عصبی مصنوعی. مجله علوم کشاورزی و منابع طبیعی. 16.3 : 1-11
خلیلی،ع.، رضایی صدر،ح. 1376. برآورد تابش کلی در گستره ایران بر مبنای دادههای اقلیمی. تحقیقات جغرافیایی. 46.2 : 15-35
خورشید دوست،ع.، نساجی زواره،م و قرمز چشمه،ب. 1391. بازسازی سریهای زمانی دمای حداکثر و حداقل روزانه با استفاده از روش نزدیکترین همسایه و شبکه عصبی مصنوعی (مطالعه موردی غرب استان تهران). فصلنامهی علمی-پژوهشی فضای جغرافیایی. 12.38 : 197-214.
صیادی،ح.، غفاری،ا.، فعالیان،ا و صدرالدینی،ع. 1388. مقایسه عملکرد شبکههای عصبی RBFو MLPدر برآورد تبخیروتعرق گیاه مرجع. مجله دانش آب و خاک، 19.1 :1-12
کریمیزاد،ف و شاهسوند،ا. 1392. مقایسه نتایج حاصل از شبکههای عصبی MLP و RBF در پیشبینی نتایج حاصل از همزمانی پدیدههای انتقال جرم و انتقال حرارت. مجله مدلسازی در مهندسی. 11.33 :27-43
مجنونی،ا.، زند پارسا،ش.، سپاسخواه،ع و ناظم السادات،م.ج. 1387. توسعه و ارزیابی مدلهای تخمین تابش خورشیدی بر اساس ساعات آفتابی و اطلاعات هواشناسی. علوم و فنون کشاورزی و منابع طبیعی12.(46 : 491-499
Abebe,AJ., Solomatine,D.P., Venneker,R.G.W. 2000. Application of adaptive fuzzy rule-based models for reconstruction of missing precipitation events. Hydrological Science Journal 45.3:425–436
Atsu,S.S., Dorvlo Joseph,A., Jervase, Ali Al-Lawati .2002. Solar radiation estimation using artificial neural networks. Applied Energy. 71.4:307-319.
Bilgili,M and Ozgoren,M. 2011. Daily total global solar radiation modeling from several meteorological data. Meteorology and Atmospheric Physics. 112.3-4:125-138.
Coulibaly,P.N.D., Evora,B. 2007. Comparison of neural network methods for infilling missing daily weather records. Journal of hydrology. 341: 27-41
Goyal,M.K., Bharti,B., Quilty,J., Adamowski,J and Pandey,A. 2014. Modeling of daily pan evaporation in sub-tropical climates using ANN, LS-SVR, Fuzzy Logic, and ANFIS. Expert systems with applications. 41.11:5267-5276.
Hasanpour,M., Dinpashoh,Y. 2012. Evaluation of efficiency of different estimation methods for missing climatological data. Stochastic Environment Research and Risk Assessment 26:59–71
Hykin,S. 1999. Neural Networks: A Comprehensive Foundation. Printice-Hall, New Jersey.
Kim,J.W and Pachepsky,Y.A. 2010. Reconstructing missing daily precipitation data using regression trees and artificial neural networks for SWAT streamflow simulation. Journal of hydrology. 394.3:305-314.
Kadirgama,K., Amirruddin,A.K., Bakar,R.A .2014. Estimation of Solar Radiation by Artificial Networks: East Coast Malaysia. Energy Procedia. 52.3: 383-388
Koca,A., Hakan,F., Varol,Y., Koca,G.O. 2011. Estimation of solar radiation using artificial neural networks with different input parameters for Mediterranean region of Anatolia in Turkey. Expert Systems with Applications. 38.7: 8756-8762.
Londhe,S., Dixit,P., Shah,S and Narkhede,S., 2015. Infilling of missing daily rainfall records using artificial neural network. ISH Journal of Hydraulic Engineering. 21.3:255-264.
Rehman,S., Mohandes,M. 2008. Artificial neural network estimation of global solar radiation using air temperature and relative humidity. Energy Policy. 36.2: 571-576.
Tabari,H and Talaee,P.H. 2015. Reconstruction of river water quality missing data using artificial neural networks. Water Quality Research Journal of Canada. 50.4:326-335.
Yadav,A.K., Chandel,S.S. 2014. Solar radiation prediction using Artificial Neural Network techniques: A review. Renewable and Sustainable Energy Reviews.33.5: 772-781