منابع
1- اسلامیان، سید سعید؛مسعود نصری ونعیمه رحیمی. 1388. بررسی دورههای ترسالی و خشکسالی و اثرات آن بر منابع آب در حوضه آبی دشت بوئین، مجلهی جغرافیا و برنامهریزی محیطی، شماره33، اصفهان، صص 75-90.
2- برخورداری، جلال و محمدخسروشاهی. 1385. بررسی اثرات پوشش اراضی و اقلیم بر جریان رودخانه، مجلهی پژوهش و سازندگی در منابع طبیعی، شمارهی 77، تهران، صص 191-199.
3- خسروی، محمود و هانیه شکیبا. 1389. پیشبینیبارشبااستفادهازشبکههایعصبیمصنوعیبه منظورمدیریتسیل (مطالعهموردی:منطقهایرانشهر)، چهارمینکنگرهیبینالمللیجغرافیدانان جهاناسلام، زاهدان، صص1-21.
4- خوشحال، جواد وسید مهدیحسینی.1389. کاربردشبکهیعصبیمصنوعیدرشبیهسازی عناصراقلیمیوپیشبینیسیکل خشکسالی(مطالعهیموردی:استاناصفهان)، مجلهی جغرافیا و برنامهریزی محیطی، شمارهی 39، اصفهان، صص107-120.
5- دانندهمهر، علی و محمدرضا مجدزاده طباطبایی. 1388. بررسیتأثیرتوالیدبیروزانهدرپیشبینیجریانرودخانههابااستفادهازبرنامهریزیژنتیک، نشریهی آب و خاک، جلد 24، مشهد، صص325-333.
6- علیزاده، امین. 1388. اصول هیدرولوژی کاربردی.چاپ بیست و ششم، مشهد، انتشارات دانشگاه امام رضا (ع).
7- عرفانیان، مریم و جواد احمدیان، 1388. بررسی و محاسبه وضعیت خشکسالی استان خراسان رضوی،مجموعه مقالات اولین کنفرانس بینالمللی مدیریت منابع آب. شاهرود، انتشارات دانشگاه صنعتی شاهرود.
8- رضوی، سید سامان ومحمد کارآموز. 1388. استفادهازشبکههایعصبیمصنوعیدرپیشبینیماهانهجریان رودخانه، دهمین کنفرانس سراسری دانشجویان مهندسی عمران، دانشگاه صنعتی امیرکبیر، تهران.
9- زارعزادهمهریزی، محبوبه و امیدبزرگحداد. 1389. شبیهسازیوپیشبینیآبدهیبااستفادهازالگوریتمترکیبیANN-GA، نشریهیآبوخاک، جلد24،شمارهی5، مشهد، صص942-954.
10- صادقی، س.ح.ر.،ب یثربی ونورمحمدی، ف. (1384). تهیهوتحلیلمدلهایبارش- روانابماهانهحوزهی آبخیزهرازدراستانمازندران، پژوهشنامهی علومکشاورزیومنابعطبیعیخزر،سالسوم،شمارهاول، مازندران، صص1-12.
11- قلیزاده، محمدحسین و محمد دارند. 1388. پیشبینی بارش ماهانه با استفاده از شبکههای عصبی مصنوعی، پژوهشهای جغرافیای طبیعی، شمارهی 71، تهران، صص51-63.
12-Aksoy, H., and Dahamsheh, A. 2009. Artificial neural network models for forecasting monthly precipitation in Jordan , Stoch Environ Res Risk Assess,23, 917-931 .
13-Fang, X.J., Pomeroy, W. 2007.Drought impact on Canadian prairie wetland snow hydrology, hydrological processes,117: 233-251.
14-Hardy, J. 2003. Climate Change, Causes, Effects and Solutions, Wiley, New York, 264.
16-Lallahem, S., Mania, J., Hani, A., and Najjar, Y. 2004. On the use of neural networks to evaluate groundwater levels in fractured media. Journal of Hydrology,307: 92–111.
17-McKee T.B., Doesken N.J., and Kleist J. 1993. The Relationship of Drought Frequency and Duration to Time Scales, Proceedings of the Eighth Conference on Applied Climatology,American Meteorological Society, Boston, 179–184.
18-Mendez, Marıa Castellano, Gonzalez, Wenceslao, Manteiga, Manuel Febrero, Bandea, 2004. Modelling of the monthly and daily behaviour of the runoff of the Xallas River using Box–Jenkins and neural networks methods, Journal of Hydrology, 296: 38–58.
19-Micheli Hayes, Mark D. Svoboda, DonaldA. Wilhite, Olga V. Vanyarkho, 1999. Monitoring the 1996 Drought Using the Standardized Precipitation Index,Bull. Amer. Meteor. Soc., 80: 429–438.
20-Mishra, A.K., and Desai,V.R. 2006. Drought forecasting using feed-forward recursive neural network, ecological modeling, 19(8): 127–138.
21-Polemio, M, and Casarano, D. 2008. Climate change, drought and groundwater availability in southern Italy, The Geological Society Special Publications, 288, Italy, 39-51.
22-Querner, E.P., Talaksen,L.M. and Van lanen,H.A.J. 1997. Impact of land-use, climate change and groundwater abstraction on stream flow droughts using physically-based models, IAHS Publ., 74: 171-179.
23-Sciuto G., Bonaccorso,B.,Cancelliere,A.,and Rossi,G. 2009. Quality control of daily rainfall data with neural networks, Journal of Hydrology,364: 13– 22.
24-Vasiliades, L., and Loukas, A. 2009. Hydrological response to meteorological drought using the Palmer drought indices in Thessaly, Greece, Desalination 237: 3–21.