- اژدری مقدم، مهدی، محمود خسروی، حسین حسینپور نیکنام، احسان جعفریندوشن (1390). پیشبینی خشکسالی با استفاده از مدل فازی-عصبی، شاخصهای اقلیمی، بارندگی و شاخص خشکسالی استان زاهدان، مجله جغرافیا و توسعه، مشهد، 26، صص: 72-61.
- اعلمی، محمدتقی، یوسف حسینزاده، مهدی کماسی (1388). ارزیابی و مقایسه نمایههای خشکسالی و پیشبینی آن با شاخص SPI به روش مدلسازی دو متغیره با شبکة عصبی مصنوع، هشتمین سمینار بینالمللی مهندسی رودخانه، دانشگاه شهید چمران اهواز.
- افخمی، حمیده، محمدتقی دستورانی، حسین ملکینژاد، حسین مبین (1389). بررسی تأثیر عناصر اقلیمی بر افزایش دقت روش شبکة عصبی مصنوعی در پیشبینی خشکسالی استان یزد، مجلة علوم و فنون کشاورزی و منابع طبیعی، اصفهان،51، صص: 17-157.
- پهلوانی، حمید (1388). ارزیابی کارایی مدلهای شبکه عصبی مصنوعی در تخمین هوشمند هیدروگراف سیل ورودی به سد مخزنی شیرین دره در مقایسه با مدلهای تطبیقی عصبی-فازی، پایاننامه کارشناسی ارشد آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، دانشکده منابع طبیعی، گروه مرتع و آبخیزداری ، صفحه: 123.
- حسینپورکاشانی، م.، منتصری، م، ع.، لطفالهی یقین، م. (1386). پیشبینی سیل در حوضههای فاقد آمار با استفاده از مدل رگرسیون و شبکه عصبی مصنوعی، سومین کنگره ملی مهندسی عمران.
- صداقتکردار، ع.، فتاحی، الف (1387). شاخصهای پیشآگهی خشکسالی در ایران، مجله جغرافیا و توسعه، 6(11)، 76-59.
- علیزاده، امین (1381). اصول هیدرولوژی کاربردی، مشهد انتشارات آستان قدس رضوی، جلد چهاردهم، صفحه:262.
- عیوضی، معصومه، ابوالفضل مساعدی، امیر احمد دهقانی (1388). مقایسة روشهای مختلف پیشبینی شاخص خشکسالی SPI، مجلة پژوهشهای حفاظت آب و خاک،گرگان، 16(2)،صص: 167-145.
- فتحی، پ.، کوچک زاده، م. (1383). تخمین تعریق خیار گلخانهای با استفاده از شبکه عصبی مصنوعی، مجله علوم خاک و آب، جلد 18 ، شماره 2.
- فرخنیا، اشکان، سعید مرید، هوشنگ قائمی (1387). دادهکاوی روی سیگنالهای بزرگ مقیاس اقلیمی برای پیشبینی بلندمدت خشکسالی، سومین کنفرانس مدیریت منابع آب ایران، دانشکده مهندسی عمران دانشگاه تبریز.
- کاویانی، محمد رضا و بهلول علیجانی (1378). مبانی آب و هواشناسی، تهران انتشارات سمت، جلد ششم،صفحه: 268.
- مجرد قرهباغ، فیروز (1376). تحلیل و پیش بینی یخبندان در آذربایجان رساله دوره دکتری، دانشگاه تربیت مدرس، دانشکده علوم انسانی.
- منهاج، محمد باقر. (1387). مبانی شبکههای عصبی هوش محاسباتی، جلد اول، چاپ پنجم، انتشارات دانشگاه صنعتی امیرکبیر تهران.
- نیکنام، حسین، مهدی اژدری مقدم، محمود خسروی (1389). استفاده از مدل فازی عصبی و الگوهای ارتباط از دور جهت پیشبینی خشکسالی زاهدان، چهارمین کنگره بین المللی جغرافیدانان جهان اسلام، دانشگاه سیستان و بلوچستان زاهدان.
- یزدانی، وحید و حسین بانژاد (1388). پیشبینی خشکسالی هیدرولوژیکی استان اصفهان با استفاده از شبکه عصبی مصنوعی، دومین همایش ملی اثرات خشکسالی و راهکارهای مدیریت آن، مرکز تحقیقات کشاورزی و منابع طبیعی اصفهان.
- Bacanli, U, Firat, M, Dikbas, F, 2008, Adaptive neuro-fuzzy inference system for drought forecasting. Stochastic Environmental Research and Risk Assessment. 8: 1143-1154.
- Crespo, J.L, Mora, E, 1993, Drought estimation with neural networks, Advances in Engineering Software18, 167–170.
- Chang, F. and Chang, Y.1990. Adaptive neuro-fuzzy inference system for prediction of water level in reservoir, Advances in Water Resources, Vol.29, Issue 1, Pp: 1-10.
- Jang, J.-S.R, 1993, ANFIS adaptive network based fuzzy inference system, IEEE Transactions on Systems, Man and Cybernetics, 3: 665–683.
- Mckee, T.B, Doesken, N.J and Kleist, J, 1993, The relationship of drought frequency and duration to time scales. 8th conference on Applied Climatology. 17-22 January California 176-184.
- Mishra, A.K and Desai V.R, 2006, Drought forecasting using feed-forward recursive neural network, Ecological Modelling, 198: 127-138.
- Mishra, A.K, Singh, V.P, 2012, Simulating hydrological drought properties at different spatial units in the United States based on wavelet-bayesian approach Earth Interactions Journal of Hydrology,17: 1–23.
- Santos, Celso Augusto, G, Morais, Bruno S, Silva, Gustavo, B L, 2009, Drought forecast using an artificial neural network for three hydrological zones in San Francisco River basin, Brazil, Proceedings of Symposium, Convention of The International Association of Hydrological Sciences,India 312 – 302.
- Sivanandam, S.N, Sumathi, S and Deepa, S.N. 2007. Introduction to Fuzzy Logic using MATLAB, Springer Berlin Heidelberg, New York.
)