شبیه‌سازی آب‌زیرزمینی با استفاده از سیستم هوش مصنوعی (مطالعه موردی: حوزه آبخیز کمه استان اصفهان)

باباعلی، ح.، دهقانی، ر.، 1396. پیش­بینی دبی سیلابی با استفاده از شبکه عصبی موجک. مجله هیدوژئومرفولوژی، 3(11)، 168-149.

بروجردی، آ.، فریدونی، م.، 1394. شبیه‌سازی تراز آب زیرزمینی دشت شیراز با استفاده از مدل‌های بردار پشتیبان و مقایسه آن با مدل‌های عصبی فازی و موجک عصبی (مطالعه موردی: دشت شیراز)، کنفرانس و نمایشگاه مهندسی آب، 1-13.

جندقی، ن.، 1400. مدلسازی تراز آب زیرزمینی ماهانه با استفاده از مدل شبکه عصبی‌مصنوعی، چهلمین گردهمایی ملی علوم زمین، تهران.

حسینی، م.، روشنی، ع.، ذباح، ا.، 1399. مدل‌سازی تغییرات سطح آب زیرزمینی بر‌اساس روش‌های مبتنی بر هوش مصنوعی (مطالعه موردی: دشت زاوه تربت‌حیدریه). پ‍‍ژوهشنامه مدیریت حوزه آبخیز، ۱۱ (۲۱) :۲۳۵-۲۲۳.

دلاور، م.، مرید، س.، شفیعی فر، م.، 1387. شبیه‌سازی و تحلیل حساسیت و عدم‌قطعیت تغییرات تراز آب دریاچه ارومیه نسبت به مؤلفه های بیلان آبی آن. مجله هیدرولیک، 3(1): 55-45.

زارع ابیانه، ح.، بیات ورکشی، م.، 1392. توسعه و کاربرد مدل‌های عصبی، فازی، الگوریتم ژنتیک و زمین‌آمار در برآورد توزیع مکانی سطح ایستابی دشت همدان. نشریه پژوهش­های حفاظت و آب وخاک، 20(4): 25-1.

زاهدی، ا.، فریدونی، م.، 1393. مقایسه شبکه عصبی‌مصنوعی با سیستم استنتاج فازی عصبی تطبیقی در پیش‌بینی تراز آب زیرزمینی توابع دشت ارسنجان. همایش ملی راهکارهای پیش‌روی بحران آب در ایران و خاور میانه، 1-6.

مبارکی، م.، فریدونی، م.، 1394. شبیه‌سازی تراز آب زیرزمینی با استفاده از ترکیب مدل­های موجک، فازی عصبی و مقایسه آن با مدل فازی عصبی. کنفرانس بین‌المللی دستاوردهای نوین پژوهشی در مهندسی عمران معماری شهرسازی، 1-10.

مختاری، ز.، ناظمی، ا.، ندیری، ع.، 1391. پیش بینی تراز آب زیرزمینی با استفاده از مدل شبکه­های عصبی‌مصنوعی (مطالعه موردی: دشت شبستر)، فصلنامه زمین شناسی کاربردی، 8(4): 353-345.

ملکی نژاد، ح.، پور شرعیاتی، ر.، (1392). کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیش­بینی تغییرات سطح آب زیرزمینی (مطالعه موردی: دشت مروست). علوم و مهندسی آبیاری، 36 (3): 92-81.

مهدوی­زاده، م.، 1383. شبکه­های عصبی‌مصنوعی و کاربردهای آن در مهندسی عمران. انتشارات عبادی. 192 ص.

ندیری، ع.، صدقی، ز.، کاظمیان، ن.، 1396. بهینه‌سازی روش DRASTIC با استفاده از هوش‌مصنوعی برای ارزیابی آسیب‌پذیری آبخوان‏ چند‏گانۀ دشت ورزقان. مجله اکوهیدرولوژی، 4(4): 1089- 1103.

نیک منش، م.، رخشنده­رو، غ.، 1390. ارزیابی توانایی شبکه­های مختلف عصبی‌مصنوعی در پیش­بینی تراز آب زیرزمینی در آبخوان محدوده سعادت شهر فارس. تحقیقات منابع آب ایران، 7(1): 86-82.

سراوانی، ز.، محمدرضاپور، ا. سیاسر، هادی.، 1402. پیش‌بینی پارامترهای کیفی آب‌های زیرزمینی استان گلستان با مدل‌های هوش‌مصنوعی. هیدروژئولوژی 8(2): 15-28.

یوسفی مبرهن، ا.، صابر چناری، ک.، زندی فر، س.، 1403. تحلیل تغییرات زمانی خشک‌سالی بر منابع آب زیرزمینی دشت قروه-دهگلان با استفاده از شاخص‌های خشکسالی آب زیرزمینی و بارش استاندارد. هیدروژئولوژی، 9(2): 1-14.

Adamowski, J., Chan, H. F., 2011. A wavelet neural network conjunction model for groundwater level forecasting. Journal of Hydrology, 407, 28-40.

Bunchingiv, B., Gerald, H., Holz, K.P., 2003. Short Term Water Level Prediction Using Neural Network and Neuro-Fuzzy Approach, ELSEVIER, page 439-450.

Chang, J., Wang, G., Mao, T., 2015. Simulation and prediction of supra permafrost groundwater level variation in response to climate change using a neural network model. Journal of Hydrology, 529, pp.1211-1220.

Chen, L. H., Chen, C. T., Pan, Y. G., 2009.Groundwater level prediction using SOM RBFN multisite model. Journal of Hydrologic Engineering, 15(8), 624-631.

Chitsazan, M., Rahmani, G., Neyamandpour, A., 2013.Ground Water Level Simulation Using Artifical Neural Network: A Case Study from Aghili Plain, Urban Area of Gotvand, Soth-West Iran, Jgeope, 3(1), P.35-46.

Emamgholizadeh, S., Moslemi, K. and Karami, G., 2014. Prediction the groundwater level of bastam plain (Iran) by artificial neural network (ANN) and adaptive neuro-fuzzy inference system (ANFIS). Water resources management, 28(15), 5433-5446.

Feng, Sh., Kang, Sh., Hou, Z., Chen, S and Mao, X., 2008. Neural Networks to Simulate Regional Ground Water Levels Affected by Human Activities, Ground Water, 46, page 80-90.

Galavi, H and Lee Teang, Shui., 2012. Neuro-Fuzzy-Modeling and Fore Casting in Water Resources, Academic Journals, Scientific Research and Essays, 7(24),2112-2121.

Khaled, A., Abdolmajid, A., hadad, B. O., Heydari, N., 2013. Estimation Of Virtual Water Using Support Vector Machine, K-nearest Neighbour and Radial Basis Function Neural Network Models, International Journal of Agronomy and Plant Production, 4(11), 2926-2936.

Moradi, A., Akhtari, A., Azari, A., 2023. Prediction of groundwater level fluctuation using methods based on machine learning and numerical model. Journal of Applied Research in Water and Wastewater, 10 (1), 20-28.

Nourmohammadi Dehbalaei, F., Azari, A., Akhtari, A. A., 2023. Development of a linear–nonlinear hybrid special model to predict monthly runof in a catchment area and evaluate its performance with novel machine learning methods. Applied Water Science, 13 (5), 1-23.

Panahi, J., Mastouri, R., Shabanlou, S., 2022. Insights into enhanced machine learning techniques for surface water quantity and quality prediction based on data pre-processing algorithms. Journal of Hydro informatics, 24 (4), 875–897.

Paul, A., Afroosa, M., Baduru, B., Paul, B. (2023). Showcasing model performance across space and time using single diagrams. Ocean Modelling, 181, 102150.

Samani, S., Vadiati, M., Delkash, M., Bonakdari, H. (2022). A hybrid wavelet–machine learning model for qanat water flow prediction. Acta Geophysica, 1-19.