افخمی فر، س.، صراف، ا.پ. 1399. پیشبینی تراز سطح آب زیرزمینی آبخوان دشت ارومیه با استفاده از مدل هیبرید تبدیل موجک-ماشین یادگیری بیشینه و بهینهسازی با ازدحام ذرات کوانتومی. مهندسی و مدیریت آبخیز.12(2): 364-351.
امامی، س.، چوپان، س. و پارسا، ج. 1397. مدلسازی تراز آب زیرزمینی دشت میاندوآب با استفاده از الگوریتمهای انتخابات، ژنتیک و روش شبکۀ عصبی مصنوعی. اکوهیدرولوژی. 5(4) : 1189-1175.
آقاجانزاده سراسکانرود، م.، بهمنش.،ج.،رضایی.، ح. و آزاد. ن. 1399. پیشبینی اثر تغییرات پارامترهای هواشناسی بر منابع آب زیرزمینی با استفاده از مدلهای شبکهعصبیمصنوعی (مطالعه موردی: دشت میاندوآب). آبیاری و آب ایران.10(3): 219-201.
جعفری گدنه، م.، سلاجقه، علی. و حقیقی، پ. 1399. پیشبینی مقایسهای بارش و دمای شهرستان کرمان با استفاده از مدلهایLARS-WG6. اکوهیدرولوژی.7(2): 538-529.
خلیلی ، ن.، داوری، ک.، علیزاده، ا.، انصاری، ح.، رضایی پژند. ح.، کافی، محمد. و قهرمان، پ. 1395. ارزیابی عملکرد دو مدل LARS و ClimGen در تولید سریهای زمانی بارش و درجه حرارت در ایستگاه تحقیقات دیم سیساب، خراسان شمالی نشریه آب و خاک (علوم و صنایع کشاورزی). 30(1): 333-322.
سلامتیان، س.ا.، ابراری، ح. و نظری، ع. 1402. پیشبینی تراز آب زیرزمینی با استفاده از مدل استنتاج تطبیقی عصبی فازی (مطالعه موردی: دشت قم). آبیاری و آب ایران. 13(3) : 304-285.
نجفی، س.،شرافتی.، ا. و کاردان مقدم، ح. 1401. ارزیابی اثر تغییراقلیم بر تغییرات تراز آب زیرزمینی در آبخوان ساحلی ساری نکا. آبیاری و آب ایران. 13(2): 334-312.
سلیمانی، ف.، کلاهچی، ع. و ارشم، ع. 1396. بررسی اثر تغییر اقلیم بر بیلان و تراز آبهای زیرزمینی دشت رامهرمز. ترویج و توسعه آبخیزداری. 17(5): 28-19.
رجایی،ط.، زینی وند، ا. و جعفری، ح.1395. پیشبینی تراز آب زیرزمینی حوضه آبریز شریفآباد قم با استفاده از مدلهای موجک- عصبی برنامهریزی ژنتیک. نشریه تحقیقات کاربردی علوم جغرافیایی.16(42):26-7.
پیری، ح.، مبارکی، م. و سیاسر، ص. 1401. مدلسازی زمانی و مکانی سطح آب زیرزمینی دشتستان بوشهر با استفاده از هوش مصنوعی و زمین آمار. پژوهشنامه مدیریت حوضه آبخیز13(26): 68-58.
مومنه، ص.، آذری، آ. و اقبال زاده، ا. 1399. ارزیابی اثر تغییراقلیم بر تراز آب زیرزمینی در دورههای آتی، مطالعه موردی: دشت چمچال. نشریه علمی – پژوهشی مهندسی و مدیریت آبخیز. 12(4) 928-913.
حسینی صومعه، م.، روشنی، ع. و ذباح، ا. 1399. مدلسازی تغییرات سطح آب زیرزمینی بر اساس روشهای مبتنی بر هوش مصنوعی(مطالعه موردی: دشت زاوه تربت حیدریه). پژوهشنامه مدیریت حوضه آبخیز. 11 (21): 235-223.
Chong-Hai, XU. and Ying, X., 2012. The projection of temperature and precipitation over China under RCP scenarios using a CMIP5 multi-model ensemble. Atmospheric and Oceanic Science Letters. 5(6):527-533.
http://dx.doi.org/10.1080/16742834.2012.11447042
Chylek, P., Li, J., Dubey, MK., Wang, M. and Lesins, GJAC., 2011. Observed and model simulated 20th century Arctic temperature variability: Canadian earth system model CanESM2. Atmospheric Chemistry and Physics Discussions. 11(8):22893-22907.
https://doi.org/10.5194/acpd-11-22893-2011
Dey, S., Dey, AK. and Mall, RK., 2021. Modeling long-term groundwater levels by exploring deep bidirectional long short-term memory using hydro-climatic data. Water Resources Management. 35:3395-3410.
https://doi.org/10.1007/s11269-021-02899-z.
Jain, SK., Das, A. and Srivastava, DK., 1999. Application of ANN for reservoir inflow prediction and operation. Water Resources Planning and Management. 125(5):263-271.
https://doi.org/10.1061/(ASCE)0733-9496(1999)125:5(263)
Luiz, TBP., Schröder, T. and da Silva, JLS., 2018. Simulação dos Níveis Freáticos em Poço Tubular Localizado em Aquífero Livre: uma Comparação de Técnicas Preditivas. Anuário do Instituto de Geociências. 41(3):227-238.
https://doi.org/10.1061/(ASCE)0733-9496(1999)125:5(263)
Nayak, P., Venkatesh, B., Krishna, B. and Jain, SK., 2013. Rainfall-runoff modeling using conceptual, data driven, and wavelet based computing approach. Journal of Hydrology. 493:57-67.
https://doi.org/10.1016/j.jhydrol.2013.04.016
Racsko, P., Szeidl, L. and Semenov, M., 1991. A serial approach to local stochastic weather models. Ecological modelling. 57(1-2):27-41.
https://doi.org/10.1016/0304-3800(91)90053-4
Semenov, MA., Brooks, RJ., Barrow, EM. and Richardson, CW., 1998. Comparison of the WGEN and LARS-WG stochastic weather generators for diverse climates. Climate Research. 10(2):95-107.
http://dx.doi.org/10.3354/cr010095
Shehadeh, HA., Ahmedy, I. and Idris, MYI., 2018. Sperm Swarm Optimization Algorithm for Optimizing Wireless Sensor Network Challenges. 6th International Conference on Communications and Broadband Networking. 53-59.
https://doi.org/10.1145/3193092.3193100
Stocker, TF., Qin, D., Plattner, GK., Tignor, M., Allen, SK., Boschung, J., Nauels, A., Xia, Y., Bex, V. and Midgley, PM., (eds.), 2013. IPCC, 2013: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. 1535. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
Su, B., Huang, J., Mondal, SK., Zhai, J., Wang, Y., Wen, S. and Li, A., 2021. Insight from CMIP6 SSP-RCP scenarios for future drought characteristics in China. Atmospheric Research. 250:105375.
https://doi.org/10.1016/j.atmosres.2020.105375
Wang, S. J., Lee, C. H., Yeh, C. F., Choo, Y. F. and Tseng, H. W. (2021). Evaluation of climate change impact on groundwater recharge in groundwater regions in Taiwan. Water (Switzerland), 13(9).
