اقتداری، م.، بذرافشان، ج.، شفیعی، م.، و حجابی، س.، (1395)، "پیشبینی خشکسالی جریان رودخانه با استفاده از شاخص SPI و زنجیره مارکف در حوزه آبریز کرخه"، مجله پژوهشهای حفاظت آب و خاک، 23(2)، 115-130، https://doi.org/10.22069/jwfst.2016.3058
عظیمی، م.، تجریشی، م.، و ابریشمچی، ا.، (1389)، "پیشبینی آورد فصلی سد دز با استفاده از سیگنالهای بزرگ مقیاس اقلیمی"، نهمین کنفرانس هیدرولیک ایران، تهران، دانشگاه تربیت مدرس.
علوینیا، س.، ساداتینژاد، س.ج،. و عبدالهی، خ.، (1390)، "ارائه مدلی برای پیشبینی خشکسالی هیدرولوژیکی در حوضه کارون یک"، پژوهشهای فرسایش محیطی، 1(1)، 45-55.
علیجانی، ر.، و وفاخواه، م.، (1397)، "پیشبینی خشکسالی هیدرولوژیک با استفاده از سریهای زمانی"، مهندسی اکوسیستم بیابان، 7(20)، 45-56.
کرمی، ف.، و برهانی داریان، ع.، (1393)، " مقایسه روشهای جیرهبندی در مدیریت مخازن در شرایط خشکسالی"، آب و فاضلاب، 25(3)، 76-85.
کواکبی، غ.، موسوی بایگی، م.، علیزاده، ا.، مساعدی، ا.، و جباری نوقابی، م.، (1399)، "ارائه مدل پیشبینی ریسک خشکسالی هواشناسی و هیدرولوژیک با روشهای آماری تحت تأثیر تغییرات اقلیمی (مطالعه موردی: زیرحوضه آبریز افین)." جغرافیا و مخاطرات محیطی، 9(1)، 117-137،
. https://doi.org/10.22067/geo.v9i1.84991
مشایخی، م.ح.، و ذاکری نیری، م.، (1399). "پیشبینی خشکسالی هواشناسی، هیدرولوژیکی و کشاورزی مبتنی بر روش موجک در تهران"، تحقیقات منابع آب ایران، 16(3)، 120-132.
مفیدی پور، ن.، بردی شیخ، و.، اونق، م.، و سعدالدین، ا. ،(1391)، "بررسی رابطه خشکسالی هواشناسی و هیدرولوژیکی در حوزه آبخیز اترک"، پژوهشنامه مدیریت حوزه آبخیز، 3(5)، 16-26.
Agana, N.A., and Homaifar, A., (2017), "A deep learning based approach for long-term drought prediction",
IEEE South East Conference, Concord, NC, USA, pp. 1-8,
https//doi.org/10.1109/SECON.2017.7925314.
Aghelpour, P., Bahrami-Pichaghchi, H., and Varshavian, V., (2021), "Hydrological drought forecasting using multi-scalar streamflow drought index, stochastic models and machine learning approaches, in northern Iran", Stochastic Environmental Research and Risk Assessment, 35(8), 1615-1635, https://doi.org/10.1007/s00477-020-01949-z.
Cui, A., Li, J., Zhou, Q., Zhu, R., Liu, H., Wu, G., and Li, Q., (2021), "Use of a multiscalar GRACE-based standardized terrestrial water storage index for assessing global hydrological droughts",
Journal of Hydrology,
603, 126871,
https://doi.org/10.1016/j.jhydrol.2021.126871.
Dehghani, M., Riahi-Madvar, H., Hooshyaripor, F., Mosavi, A., Shamshirband, S., Zavadskas, E.K., and Chau, K.-W., (2019), "Prediction of hydropower generation using grey wolf optimization adaptive neuro-fuzzy inference system",
Energies,
12(2), 289,
https://doi.org/10.3390/en12020289
Dehghani, M., Saghafian, B., Nasiri Saleh, F., Farokhnia, A., and Noori, R., (2014), "Uncertainty analysis of streamflow drought forecast using artificial neural networks and Monte‐Carlo simulation",
International Journal of Climatology,
34(4), 1169-1180,
https://doi.org/10.1002/joc.3754.
Dehghani, M., Saghafian, B., Rivaz, F., and Khodadadi, A., (2017), "Evaluation of dynamic regression and artificial neural networks models for real-time hydrological drought forecasting", Arabian Journal of Geosciences, 10(12), 1-13. https://doi.org/10.1007/s12517-017-2990-4.
Eberhart, R., and Kennedy, J., (1995), "A new optimizer using particle swarm theory",
MHS'95. Proceedings of The Sixth International Symposium on Micro Machine and Human Science, Nagoya, Japan,
https://doi.org/10.1109/MHS.1995.494215
Eghbali, A.H., Behzadian, K., Hooshyaripor, F., Farmani, R., and Duncan, A.P., (2017), "Improving prediction of dam failure peak outflow using neuroevolution combined with K-means clustering",
Journal of Hydrologic Engineering,
22(6), 04017007,
https://doi.org/10.1061/(ASCE)HE.1943-5584.000150.
Felfelani, F., Movahed, A.J., and Zarghami, M., (2013). "Simulating hedging rules for effective reservoir operation by using system dynamics: A case study of Dez Reservoir, Iran",
Lake and Reservoir Management,
29(2), 126-140.
https://doi.org/10.1080/10402381.2013.801542.
Heim Jr, R.R., (2002), "A review of twentieth-century drought indices used in the United States",
Bulletin of the American Meteorological Society,
83(8), 1149-1166.
https://doi.org/10.1175/1520-0477-83.8.1149.
Hooshyaripor, F., Sardari, J., Dehghani, M., and Noori, R. (2022). "
A new concept of drought feeling against the meteorological drought",
Scientific Reports, 12(1), 16711.
https://doi.org/10.1038/s41598-022-21181-9.
Khan, N., Sachindra, D., Shahid, S., Ahmed, K., Shiru, M.S., and Nawaz, N., (2020), "Prediction of droughts over Pakistan using machine learning algorithms",
Advances in Water Resources,
139, 103562,
https://doi.org/10.1016/j.advwatres.2020.103562.
Malekmohammadi, B., Zahraie, B. and Kerachian, R., (2011), "Ranking solutions of multi-objective reservoir operation optimization models using multi-criteria decision analysis",
Expert Systems and Applications, 38(6), 7851-7863,
https://doi.org/10.1016/j.eswa.2010.12.119.
Mirjalili, S., Gandomi, A.H., Mirjalili, S.Z., Saremi, S., Faris, H., and Mirjalili, S.M., (2017), "Salp Swarm Algorithm: A bio-inspired optimizer for engineering design problems", Advances in Engineering software, 114, 163-191, https://doi.org/10.1016/j.advengsoft.2017.07.002
Nabipour, N., Dehghani, M., Mosavi, A., and Shamshirband, S., (2020), "Short-term hydrological drought forecasting based on different nature-inspired optimization algorithms hybridized with artificial neural networks",
IEEE Access,
8, 15210-15222.
https://doi.org/10.1109/ACCESS.2020.2964584
Rivera, J.A., Otta, S., Lauro, C., and Zazulie, N., (2021). "A decade of hydrological drought in Central-Western Argentina", Frontiers in Water, 3, 28, https://doi.org/10.3389/frwa.2021.640544.
Salimi, H., Asadi, E., and Darbandi, S., (2021), "Meteorological and hydrological drought monitoring using several drought indices", Applied Water Science, 11(2), 1-10, https://doi.org/10.1007/s13201-020-01345-6.
Simon, D., (2008), "Biogeography-based optimization",
IEEE Transactions on Evolutionary Computation,
12(6), 702-713,
https://doi.org/10.1109/TEVC.2008.919004
Vicente-Serrano, S.M., Van der Schrier, G., Beguería, S., Azorin-Molina, C., and Lopez-Moreno, J.-I., (2015), "Contribution of precipitation and reference evapotranspiration to drought indices under different climates",
Journal of Hydrology,
526, 42-54,
https://doi.org/10.1016/j.jhydrol.2014.11.025.
Williams, A.P., Cook, E.R., Smerdon, J.E., Cook, B. I., Abatzoglou, J.T., Bolles, K., Baek, S.H., Badger, A.M., and Livneh, B., (2020), "Large contribution from anthropogenic warming to an emerging North American megadrought",
Science,
368(6488), 314-318,
https://doi.org/10.1126/science.aaz9.
Yu, Q., Wang, S., He, H., Yang, K., Ma, L., and Li, J., (2021). "Reconstructing GRACE-like TWS anomalies for the Canadian landmass using deep learning and land surface model",
International Journal of Applied Earth Observation and Geoinformation,
102, 102404,
https://doi.org/10.1016/j.jag.2021.102404.
