ﺑﺴﺎﻟﺖﭘﻮر،ع،ا.، حاج عباسی،م،ع.، اﯾﻮﺑﯽ،ش،ا. 1392. اﺳﺘﻔﺎده از آزﻣﻮن ﮔﺎﻣﺎ ﺑﺮای اﻧﺘﺨﺎب ورودیهای ﺑﻬﯿﻨﻪ در مدلسازی ﻣﻘﺎوﻣﺖ ﺑﺮﺷﯽ ﺧﺎک ﺑﺎ اﺳﺘﻔﺎده از شبکههای ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ. ﻣﺠﻠﻪ پژوهشهای ﺣﻔﺎﻇﺖ آب و خاک ﺟﻠﺪ ﺑﯿﺴﺘﻢ. 1 : 97-114.
رحمتی،ع.، منتظری،م.، گندمکار،ا.، لشنیزند،م. 1394. پیشبینی تبخیر ﺑﺎ اﺳﺘﻔﺎده از ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ و سیگنالها اﻗﻠﯿﻤﯽ در ﺣﻮﺿﻪ دز. ﻓﺼلناﻣﻪ ﺗﺤﻘﯿﻘﺎت ﺟﻐﺮاﻓﯿﺎﯾﯽ. ﺳﺎل 30. 2. 117 :262- 274.
سامتی،م.، قهرمان،ن.، قربانی،خ. 1390. کاربرد مدل دادهکاوی M5 در پیشبینی تبخیر -تعرق پتانسیل (مطالعه موردی: ایستگاه شیراز). اولین کنفرانس ملی هواشناسی و مدیریت آب کشاورزی،کرج، ایران.
ستاری،م،ت.، رضازاده جودی،ع.، نهرین،ف. 1393. پیشبینی مقادیر بارش ماهانه با استفاده از شبکههای عصبی مصنوعی و مدل درختی M5 (مطالعه موردی: ایستگاه اهر). پژوهشهای جغرافیای طبیعی. سال 46. 2 : 247-260.
شریفان،ح.، قربانی،خ. 1393. بهبود ﺑﺮآورد ﺗﺒﺨﻴﺮ - ﺗﻌﺮق ﭘﺘﺎﻧﺴﻴﻞ ﺑﺎ اﺳﺘﻔﺎده از ﺿﺮﻳﺐ اﺻﻼﺣﻲ ﺑﻪ ﻛﻤﻚ ﻣﺪل درﺧﺖ ﺗﺼﻤﻴﻢ M5. ﻧﺸﺮﻳﻪ آﺑﻴﺎری و زﻫﻜﺸﻲ اﻳﺮان. 8. 1 :53-61.
شریف آذری،س.، عراقینژاد،ش. 1392. ﺗﻮسعه ﻣﺪل ناپارامتری شبیهساز دادههای ﻣﺎﻫﺎنه ﻫﻴﺪروﻟﻮژﻳﻜﻲ. مجله مدیریت آب و آبیاری. 3. 1: 83-95.
شیرزاد،ا.، ﺳﻠﻄﺎﻧﻲ،ف.، زارع ابیانه،ح. 1387. شبیهسازی آبشستگی در ﭘﺎﻳﺎب سازههای مستهلک کننده اﻧﺮژی ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﻳﺘﻢ K -نزدیکترین ﻫﻤﺴﺎﻳﮕﻲ (KNN) و سیستم اﺳﺘﻨﺘﺎج ﺗﻄﺒﻴﻘﻲ ﻋﺼﺒﻲ- ﻓﺎزی ( ANFIS). اولین اجلاس بینالمللی بحران آب. دانشگاه زابل.
طالبی،ع.، اکبری،ز. 1392. بررسی کارایی مدل درختان تصمیمگیری در برآورد رسوبات معلق رودخانهای (مطالعه موردی: حوضه سد ایلام). مجله علوم و فنون کشاورزی و منابع طبیعی. علوم آب و خاک. سال 17. 63 : 109-121.
ﻋﻠﻴﺰﺍﺩﻩ،ﺍ. ۱۳۸۳. ﺍﺻﻮﻝ هیدرولوژی کاربردی. ﺍﻧﺘﺸﺎﺭﺍﺕ ﺩﺍﻧﺸﮕﺎﻩ ﺍﻣﺎﻡ ﺭﺿﺎ. ص291 و 237.
ﭘﻨﺠﻤـﻴﻦ ﻛﻨﻔﺮاﻧﺲ ﺳﺮاﺳﺮی آﺑﺨﻴﺰداری و ﻣﺪﻳﺮﻳﺖ ﻣﻨﺎﺑﻊ آب و خاک ﻛﺸﻮر. ﻛﺮﻣﺎن.
قمرنیا،ه.، رضوانی،و.، فتحی،پ. 1391. ارزیابی و واسنجی مدلهای تبخیر و تعرق گیاه مرجع با توجه به اثر دوره محاسباتی برای اقلیم نیمهخشک سرد. مجله مدیریت آب و آبیاری. 2. 2: 37-25.
ﻣﺸﻜﺎﻧﻲ،ع.، ﻧﺎﻇﻤﻲ،ع. 1388. مقدمهای ﺑﺮ دادهکاوی. ﻣﺸﻬﺪ. موسسه چاپ و اﻧﺘﺸﺎرات داﻧﺸﮕﺎه ﻓﺮدوﺳﻲ.
یوسف،م.، طالبی،ع.، پورشرعیاتی،ر. 1393. کاربرد هوش مصنوعی در علوم آب و خاک انتشارات دانشگاه یزد.
Agalbjorn,S., Konar,N and Jones,A.J. 1997. A note on the gamma test. Neural Comput ing & Applications. 5. 3: 131-133.
Ahmadi,A., Han,D., Karamouz,M and Remesan,R. 2009. Input data selection for solar radiation estimation. Hydrological Processes. 23: 2754-2764.
Alberg,D.,Last,M and Kandel,A. 2012. Knowledge discovery in data streams with regression tree methods. WIREs Data Mining Know Discover. 2: 69-78.
Ghabaei sough,M., Mosaedi,A., Hesam,M and Hezarjaribi,A. 2010. Evaluation effect of input parameters preprocessing in artificial neural networks (ANNs) by using stepwise regression and Gamma Test techniques for fast estimation of daily evapotranspiration. Journal of Water and Soil. 24.3: 610-624.
Hand.D., Heikki,M and Padhraic,S. 2001. Principles of Data Mining. A Bradford book. The MIT press. Cambridge, Massachusetts, London, England.
Jagtap,S.S., Lall,U., Jones,J.W., Gijsman,A.J and Ritchie,J.T. 2004. A Dynamic nearest-neighbor method for estimating soil water parameters. Trans ASAE. 47:1437-1444.
Jain,S.K. Das,A and Srivastsva,D.k. 1999. Application of ANN for reservoir inflow prediction and operation. Journal of Water Resources Planning and Management. 125.5: 263-271.
Moghaddamnia,A., Remesan,R., Hassanpour Kashani,M., Mohammadi,M., Han,D and Piri,J. 2009. Comparison of LLR, MLP, Elman, NNARX and ANFIS Models with a case study in solar radiation estimation. Journal of Atmospheric and Solar-Terrestrial Physics. 71: 975-982.
Moghaddamnia,A., GhafariGousheh,M., Piri,J., Amin,S and Han,D. 2008. Evaporation estimation using artificial neural networks and adaptive neurofuzzy inference system techniques. Advances in Water Resources. 32: 88-97.
Quinlan,J.R. 1992. Learning with continuous classes. In: Adams, Sterling (Eds.). Proceedings of AI’92. World Scientific. 343-348.
Remesan,R. Shamim,M.A. and Han,D. 2008. Model data selection using gamma testfor daily solar radiation estimation. Hydrological Processes. 22:4301-4309.
Rahimi Khoob,A. 2008. Artificial neural network estimation of reference evapo transpiration from pan evaporation in a semi-arid environment. Journal of Irrigation Science. 27.1: 35-39.
Singh,D. Ganju,A and Singh,A. 2005. Weather prediction using nearest-neighbor model. Current science. 88: 8. 25.
Twarakavi,N.K.C., Šimůnek,J and Schaap,M.G. 2009. Development of Pedotransfer Functions for Estimation of Soil Hydraulic Parameters using Support Vector Machines. Soil
oil Science Society of America Journal. 73:1443-1452.