احمدی، ف.، رادمنش، ف.، میرعباسی نجفآبادی، ر. (1394). مقایسه عملکرد روشهای ماشین بردار پشتیبان و شبکههای بیزین در پیشبینی جریان روزانه رودخانه (مطالعه موردی: رودخانه باراندوزچای). نشریه پژوهشهای حفاظت آب و خاک. 6(22): 186-171.
دهقانی، ن.، وفاه خواه، م. (1395). مدلسازی بارش رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی عصبی تطبیقی در حوزه آبریز کسلیان. مدیریت حوزه آبخیز. 7(13): 137-128.
ستاری، م، ت.، رضازاده جودی، ع. (1397). مدلسازی رواناب ماهانه با استفاده از روشهای دادهکاوی براساس الگوریتمهای انتخاب ویژگی. حفاظت منابع آب و خاک. 7(4): 53-39.
سلگی، ا.، رادمنش، ف. (1394). مدلسازی هوشمند سری زمانی جریان ماهانه حوضه رودخانه شور قروه با شبکه عصبی مصنوعی. حفاظت آب و خاک. 22(1): 318-309.
سیدیان، س.م.، سلیمانی، م.، کاشانی، م. (1393). پیشبینی دبی جریان رودخانه با استفاده از داده کاوی و سری زمانی. اکوهیدرولوژی. 1(3): 167-179.
عبدالهپور آزاد، م.ر.، ستاری، م.ت. (1394). پیشبینی جریان روزانه رودخانه اهرچای با استفاده از روشهای شبکههای عصبی مصنوعی (ANN) و مقایسه آن با سیستم استنتاج فازی-عصبی تطبیقی(ANFIS). نشریه پژوهشهای حفاظت آب و خاک. 1(22): 297-287.
قربانی، م.، ازانی، ع. (1394). مدلسازی بارش رواناب با استفاده از مدلهای هوشمند هیبریدی. تحقیقات منابع آب ایران. 11(2): 150-146.
غلامعلی، غ.، وفاخواه، م. (1392). شبیهسازی فرایند بارش رواناب با استفاده از شبکه عصبی مصنوعی و سیستم فازی عصبی تطبیقی (مطالعه موردی حوزه آبخیز حاجی قوشان). مدیریت حوزه آبخیز. 4(8): 136-120.
معتمدنیا، م.، نوحگر، ا.، ملکیان، آرش.، صابری، م.، کریمی، کمال. (1396). پیشبینی رواناب با استفاده از مدلهای هوشمند. اکوهیدرولوژی. 4(4): 968-955.
نیک بخت شهبازی، ع.، زهرایی، ب.، ناصری، م. (1391). پیشبینی فصلی خشکسالی هواشناسی با استفاده از ماشینهای بردار پشتیبان. آب و فاضلاب. 2(23): 85-73.
نیک پور، م.ر.، ثانی خانی، ه.، محمودی بابلان، س.، محمدی، ع. (1396). کاربرد مدلهای Ls-SVM، ANN،WNN وGEP در شبیهسازی بارش- رواناب رودخانۀ خیاوچای. اکوهیدرولوژی. 4(2): 639-627.
Badrzadeh, H., Sarukkalige, R., & Jayawardena, A. W. (2015). Hourly runoff forecasting for flood risk management: Application of various computational intelligence models. Journal of Hydrology, 529, 1633-1643.
Botsis, D., Latinopoulos, P., and Diamantaras, K. (2011). Rainfall- Runoff modeling using support vector regression and artificial neural networks, J. Rhodes, Greece.
Chanklan, R., Kaoungku, N., Suksut, K., Kerdprasop, K., & Kerdprasop, N. (2018). Runoff Prediction with a Combined Artificial Neural Network and Support Vector Regression. International Journal of Machine Learning and Computing, 8(1):39-43.
Chen, S.T., Yu, P.S. (2007). Pruning of support vector networks on flood forecasting. Journal of Hydrology, 347: 67– 78.
Chuan Wang.W.Wing Chau.K .(2009). A comparison of performance of several artificial intelligence methods for forecasting monthly discharge time series.Journal of Hydrology.374: 294-306.
Dibike, Y.B., Velickov, S., Solomatine, D.P., and Abbott, M.B. (2001). Model induction with support vector machines: introduction and applications. Journal of Computing in Civil Engineering 15(3), 208-216.
Erasto, P. (2001). Support Vector Machines-Backgrounds and Practice. Licentiate Thesis, University of Helsinki, Rolf Nevanlinna Institute, Faculty of Science.
Ghorbani, M.A., Ahmadzadeh, H., Isazadeh, M. and Terzi, O. (2016). A comparative study of artificial neural network (MLP, RBF) and support vector machine models for river flow prediction. Environmental Earth Sciences, 75(6): 1-14.
Solomatine, D.P., and Ostfeld, A. (2008). Data-driven modeling: some past experience and new approaches. Journal of Hydroinformatics, 10: 3-22.
Wang, W. C., Chau, K. W., Cheng, C. T., & Qiu, L. (2009). A comparison of performance of several artificial intelligence methods for forecasting monthly discharge time series. Journal of hydrology, 374(3), 294-306.
Yu, P.S., Chen, S.T., and Chang, I.F. (2006). Support vector regression for real-time flood stage forecasting. Journal of Hydrology 328, 704-716.