بررسی آشوبناکی و بازسازی فضای فاز دینامیکی بارش در مقیاس‌های روزانه، هفتگی و ماهانه (مورد مطالعه: حوضۀ قره‌سو در کرمانشاه)

[1].  انیس‌حسینی، مسعود؛ ذاکرمشفق، محمد، 1392، کاربرد نظریۀ آشوب در تحلیل فرایند بارش-رواناب. هفتمین کنگرۀ ملی مهندسی عمران، زاهدان.

[2].  حسن‌زاده یوسف؛ لطف‌اللهی، محمدعلی؛ شاهوردی، سجاد؛ فرزین، سعید؛ فرزین، نیما، 1391، نویززدایی و پیش‌بینی سری زمانی بر پایۀ الگوریتم موجک و نظریۀ آشوب (مطالعۀ موردی: شاخص پایش خشکسالی SPI شهر تبریز). مجلۀ تحقیقات منابع آب ایران. 8(3): 13-1.

[3].  ذونعمت کرمانی، محمد؛ بای، یارمحمد، 1392، واکاوی کارایی روش­های مبتنی بر شبکه­های عصبی مصنوعی و رگرسیون خطی چندمتغیره در پیش­بینی کشند، اقیانوس‌شناسی، 13: 10-1.

[4].  سازمان آب منطقه‌ای غرب. 1385. گزارش زمین‌شناسی مطالعات ساماندهی رودخانۀ قره‌سو.

[5].  فرزین، سعید؛ شیخ الاسلامی، سیدرضی؛ حسن‌زاده، یوسف، 1390، تحلیل آشوب پذیری سری زمانی با استفاده از ترسیم فضای فاز و روش بُعد همبستگی (مطالعۀ موردی: بارش ماهانه در دریاچۀ ارومیه). چهارمین کنفرانس مدیریت منابع آب ایران، دانشگاه صنعتی امیرکبیر تهران.

[6].  قربانی، محمدعلی؛ اعلمی، محمدتقی؛ یوسفی، پیمان؛ اسدی، حکیمه؛ زینالی، صبا، 1390، کارایی نظریۀ آشوب در پیش‌بینی میزان رسوبات معلق رودخانه‌ها (مطالعۀ موردی: رودخانه لیقوان). نشریۀ مهندسی عمران و محیط زیست. 1(41): 66-59.

[7].  لطف‌اللهی یقین، محمدعلی؛ بیک‌لریان، مرتضی؛ مجتهدی، علیرضا؛ سیدی، ناصر، 1391، مقایسه‌سازی و پیش‌بینی ارتفاع موج شاخص دریای خزر با نظریۀ آشوب. دهمین همایش بین‌المللی سواحل، بنادر و سازه‌های دریایی. تهران، ایران.

[8].  مرادی‌زاده کرمانی، فرنوش؛ قربانی، محمدعلی؛ دین‌پژوه، یعقوب؛ فرسادی‌زاده، داود، 1391، مدل تخمین جریان رودخانه براساس بازسازی فضای حالت آشوبی. نشریۀ دانش آب و خاک، 4(22): 16-1.

[9].    Dhanya, C.T. and Kumar, D.N., 2010, Nonlinear ensemble prediction of chaotic daily rainfall. Advances in Water Resources. 33: 327–347.

[10]. Jayawardena, A.W. and Lai, F., 1994, Analysis and prediction of chaos in rainfall and stream flow time series. Journal of Hydrology. 153: 23–52.

[11]. Men, B., Zhao, X. and Liang, C., 2004, Chaotic Analysis on Monthly Precipitation on Hills Region in Middle Sichuan of China. Nature and Science. 2(2): 45-51.

[12]. McCue, L. and Troesch, A., 2011, Use of Lyapunov Exponents to Predict Chaotic Vessel Motions. Physica D. 65: 156-171.

[13]. Ng, W.W., Panu, U.S. and Lennox, W.C., 2007, Chaos based Analytical techniques for daily extreme hydrological observations. Journal of Hydrology. 342: 17– 41.

[14]. Qin, G., Li, H., Wang, X., He, Q., Li, S., 2015, Annual runoff prediction using a nearest-neighbor method based on cosine angle distance for similarity estimation, Remote Sensing and GIS for Hydrology and Water Resources, 368: 204-208.

[15]. Rodriguez-Iturbe, I., Dc Power, B.F., Sharifi, M.B. and Georgakakos, K.P., 1989, Chaos in Rainfall. Water Resources Research. 25(7): 1667.1675.

[16]. Rosenstein, M.T., Collins, J.J. and De Luca, C.J., 1993, A practical method for calculating largest Lyapunov exponents from small data sets. Physica D. 65: 117-134.

[17]. Shang, P., Li, X. and Kamae, S., 2005, Chaotic analysis of traffic time series. Chaos, Solitons and Fractals. 25: 121–128.

[18]. Sivakumar, B., Liong, S.Y. and Liaw, C.Y., 1998, Evidence of chaotic behavior in Singapore rainfall. Journal of the American Water Resources Association. 34(2): 301-310.

[19].  Sivakumar, B., Berndtsson, R., Olsson, J., Jinno, K. and Kawamura, A., 2000, Dynamics of monthly rainfall-runoff process at the Gota basin: A search for chaos. Hydrology & Earth System Sciences. 4(3): 407-417.

[20].  Sivakumar, B., 2001, Rainfall dynamics at different temporal scales: a chaotic perspective. Hydrology and Earth System Sciences. 5(4): 645-651.

[21].  Wolff, R.C.L., 1992, Local Lyapunov exponents: looking closely at chaos. J, Royal Stat. 54(2): 353 371.

[22].  Zounemat-Kermani, M., 2014, Principal Component Analysis (PCA) for estimating chlorophyll concentration using forward and generalized Regression Neural Networks, Applied artificial intelligence. 28(1): 16-29.

[23].  Zounemat-Kermani, M. and Kisi, O., 2015, Time series analysis on marine wind-wave characteristics using chaos theory, Ocean Engineering. 100: 46-53.