##احمدی، حسن؛ محمدخان، شیرین؛ فیضنیا، سادات؛ قدوسی، جمال،1384، ساخت مدل منطقهای خطر حرکتهای تودهای با استفاده از ویژگیهای کیفی و تحلیل سلسله مراتبی سیستمها حوضه آبخیز طالقان، مجله منابع طبیعی ایران، 58 صص. 3-14.
##اشقلی فراهانی، علی، 1380، ارزیابی خطر ناپایداری دامنههای طبیعی در منطقه رودبار با استفاده از تئوری فازی، پایاننامه کارشناسی ارشد زمینشناسی مهندسی، دانشگاه تربیتمعلم تهران،ص. 142.
##بلواسی،ایمانعلی؛ رضاییمقدم،محمدحسین؛ نیکجو،محمدرضا؛ ولیزاده کامران،خلیل، 1394، مقایسه مدل شبکه عصبی مصنوعی با فرآیند تحلیل سلسله مراتبی در ارزیابی خطر زمین لغزش، دانش مخاطرات، دوره2، شماره2، صص.250-225.
##راکعی، بابک؛ خامهچیان، ماشاالله؛ عبدالملکی، پرویز؛ گیاهچی پانتها، 1386، کاربرد شبکه عصبی مصنوعی در پهنه بندی خطر زمینلغزش، مجله علوم دانشگاه تهران،33(1) صص.57-64.
##روستایی، شهرام؛ احمدزاده، حسن، 1391، پهنهبندی مناطق متأثر از خطر زمینلغزش در جادهی تبریز- مرند با استفاده از سنجشازدور و GIS، پژوهشهای ژئومورفولوژی کمی، شمارهی 1، صص. 47-58.
##سازمان جغرافیایی نیروهای مسلح، نقشه توپوگرافی1:50000 الشتر، نهاوند، فیروزآباد و قلعه حاتم.
##سازمان زمین شناسی کشور، نقشه 1:100000 خرم آباد.
##سازمان زمین شناسی کشور، نقشه 1:100000 همدان.
##سازمان هواشناسی لرستان، آمار بیست ساله ایستگاههای بارانسنجی و سینوپتیک.
##سپهوند، علیرضا، 1389، پهنه بندی خطر زمینلغزش با استفاده از شبکه عصبی مصنوعی در بخشی از حوزه آبخیز هراز، پایان نامه کارشناسی ارشد، دانشکده منابع طبیعی و علوم دریایی نور، دانشگاه تربیت مدرس.
##سوری، سلمان؛ لشگری پور، غلامرضا؛ غفوری، محمد، 1391، پهنه بندی خطر زمینلغزش با استفاده از شبکه عصبی مصنوعی، نشریه زمین شناسی مهندسی، جلد 5 شماره 2، صص. 1269-1286.
##شادفر صمد؛ یمانی مجتبی؛ غیومیان جعفر، 1386 ، پهنه بندی خطر زمین لغزش با استفاده از روش تحلیل سلسله مراتبی، پژوهش و سازندگی در منابع طبیعی، 75 صص. 118-126.
##شادفر، صمد؛ یمانی، مجتبی؛ نمکی، محمد،1384،پهنه بندی خطر زمین لغزش با استفاده از مدلهای ارزش اطلاعاتی، تراکم سطح و LENR در حوضه چالکرود، مجله آب و آبخیز،3 صص. 62-68.
##شیرانی، کوروش؛ سیف، عبدالله، 1391، پهنهبندی خطر زمینلغزش شهرستان فریدونشهر با استفاده از روشهای آماری ، مجله علوم زمین، سال بیست و دوم، شماره 85، صص. 158-149.
##علیمحمدی، صفیه؛ پاشایی اول، عباس؛ شتایی جویباری، شعبان؛ پارسایی، لطف الله، 1388، ارزیابی کارایی مدلهای پهنهبندی خطر زمینلغزش در حوضه آبخیز سید کلاته رامیان، مجله پژوهشهای حفاظت آبوخاک، دوره شانزدهم، شماره اول، صص. 78-59.
##فاطمی عقدا، سیدمحمود؛ غیومیان، جعفر، 1382، ارزیابی کارایی روشهای آماری در تعیین پتانسیل خطر زمینلغزش، مجله علوم زمین، شماره 11، صص. 28-47.
##فیض اله پور، مهدی، 1391، پهنه بندی مناطق مستعد لغزش در رودخانه گیوی چای با استفاده از مدل شبکه عصبی مصنوعی، رساله دکتری، دانشگاه تبریز، تبریز.
##فیضنیا، سادات؛ کلارستاقی، عطاالله؛ احمدی، حسن،1383، بررسی عوامل موثر در وقوع زمینلغزشها و پهنهبندی خطر زمینلغزش، مجله منابع طبیعی ایران، 57 (1) صص. 3-20.
##قدسی پور، سید حسن، 1388، فرآیند تحلیل سلسله مراتبی، انتشارات دانشگاه صنعتی امیرکبیر ، چاپ هفتم، تهران.
##کرم، عبدالامیر، 1380، مدلسازی کمی و پهنه بندی خطر زمینلغزش در زاگرس چین خورده، رساله دکتری جغرافیای طبیعی، دانشگاه تربیت مدرس، ص. 354.
##کورکی نژاد، محمد،1380، مقایسه کارایی دو مدل پهنه بندی خطر زمین لغزش(حائری و مورا) با استفاده از ساج در حوضه آبخیز سیاه رودبارگرگان، پایان نامه کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ص. 24.
##کیا، مصطفی، 1389، شبکههای عصبی در متلب، انتشارات کیان رایانه سبز، ص. 229.
##محمدی، محمدرضا، 1386، تحلیل خطر حرکات تودهای و ارائه مدل منطقهای مناسب بخشی از حوضه آبخیز هراز با استفاده ازGIS ، پایان نامه کارشناسی ارشد، دانشگاه تربیت مدرس، دانشکده منابع طبیعی و علوم دریایی، ص. 79.
##مرادی، حمیدرضا؛ سپهوند، علی؛ عبدالمالکی، پرویز، 1389، بررسی کارایی شبکه عصبی مصنوعی برای پهنهبندی خطر زمینلغزش، مجموعه مقالات ششمین همایش ملّی علوم و مهندسی آبخیزداری و چهارمین همایش ملّی فرسایش و رسوب، گروه مهندسی آبخیزداری دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرس.
##موسویخطیر، سیده زهره؛ کاویان، عطا الله؛ سلیمانی، کریم، 1389، تهیه نقشه حساسیت به وقوع زمینلغزش در حوضه آبخیز سجارود با استفاده از رگرسیون لجستیک، مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آبوخاک، سال چهاردهم، شماره 53، صص.112- 99.
##معماریان حسین،١٣٧٤، زمین شناسی مهندسی و ژئوتکنیک، انتشارات دانشگاه تهران.
##منهاج، محمدباقر، 1381، مبانی شبکه های عصبی، انتشارات صنعتی امیرکبیر ، ص.715 .
##ناجی، سیدمحمود، 1385، پهنه بندی خطر لغزش در محور ساری-کیاسر، پایان نامه کارشناسی ارشد زمین شناسی زیست محیطی، دانشگاه صنعتی شاهرود، ص. 86.
##نیازی، یعقوب؛ اختصاصی، محمدرضا؛ طالبی، علی؛ آرخی، صالح؛ مختاری، محمدحسین، 1389، ارزیابی کارایی مدل آماری دو متغیره در پیشبینی خطر زمینلغزش در حوضه سد ایلام، مجله علمی و پژوهشی علوم و مهندسی آبخیزداری ایران سال 4، شماره 10، بهار صص. 20-9.
##یمانی، مجتبی؛ حسن پور، سیروس؛ مصطفایی، ابوالفضل؛ شادمان رود پشتی، مجید، 1391، نقشه پهنهبندی خطر زمینلغزش در حوضه آبخیز کارون بزرگ با استفاده از مدل AHP در محیط GIS؛ جغرافیا و برنامهریزی محیطی، سال 23، پیاپی، 48، شماره 4، صص. 56-34.
##Binaghi, E., Luzi, L., Madella, P., Pergalani, F., Rampini, A. 1998. Slope instability zonation: acomparison between certainty factor and fuzzy dempster– shafer approaches, Natural Hazards, 17, 77–97.
##Biswajeet Paradhan, 2010, Remote sensing and GIS based Lanslid hazard analysis and cross validation using multivariate logistic regression model on three test ares in Malaysia.
##Caniani D., Pascale S., Sdao F., Sole A., 2008: Neural networks and landslidesusceptibility: a case study of the urban area of Potenza, Natural Hazards, 45:55–72.
##Chau, K.T and J. E. Chan. 2005. Regional bias of landslide data in generating susceptibility maps using logistic regression for Hong Kong Island. Landslides 280-290.
##Felicisimo, A., Cuartero, A., Remondo, J., Quirós, E., 2013. Mapping landslide susceptibility with logistic regression, multiple adaptive regression splines, classification and regression trees, and maximum entropy methods: a comparative study, J of Landslide, 10:175–189.
##Gomez, H., Kavzoglu, T., 2005, Assessment of shallow landslide susceptibility using artificial neural networks in Jabonosa River Basin, Venezuela, Engineering Geology, 78: 11-27.
##Hattanji, T., & Moriwaki, H., (2009), Morphometric analysis of relic landslides using detailed landslide distribution maps: Implications for forecasting travel distance of future landslides. Journal of Geomorphology, No, 103, Pp. 447-454.
##Hosainezadeh. M., M. Servati., A. Mansouri., B. Mirbagheri., S. Khezri., 2009. Zoning risk of mass movements using a logistic regression model (case study: the path of the Sanandaj - Dehgolan). journal of Iran Geology 11, 27- 37.
##Kanungo, D., Arora, M., Sarkar, S., and Gupta, R., 2006, A Comparative Study of Conventioonal, ANN Blak Box, Fuzzy and Combined Neural and Fuzzy Weighting Proccedures for Landslide Suceptibility Zonation in Darjeeling Himalayas, engineering Geology, Vol. 85, pp. 347-366.
##Komac, M. 2006. A landslide suscepility model using the Analytical HierarchyProcess method and multivariate statistics in perialpine Slovenia.
##Van Western, C. J. 1997. Statistical landslide hazard analysis. ILWIS 2.1 for windows applications guide. ITC publication, Enscheda, 73-84.
##Lan, H.X., Zhou, C.H., Wang, L.J., Zhang, H.Y., Li, R.H. 2004. Landslidehazard spatial analysis and prediction using GIS in the Xiaojiang Watershed, Yunnan, China. Engineering Geology, 76, 109-128.
##Lee S., Ryu J. H., Lee M. J., Won J. S., 2006: The Application of artificial neuralnetworks to landslidesusceptibility mapping at Janghung, Korea, MathematicalGeology, 38(2): 199-220.
##Lee, S., Ryu. J. H., Kim, L. S., 2009, Landslide susceptibility analysis and its verification using likelihood ratio, logistic regression, and artificial neural network models: case study of Youngin, Korea, Landslide, 4:327-338.
##Lee, S., Ryu. J. H., Won, J.S., Park, H. J., 2004, Determination application of the weighats for landslide susceptibility mapping using an artificial neural network, Engineering Geology, 71: 289-302.
##Melchiorre C., Matteucci M., Azzoni A., 2008: Artificial neural networks andcluster analysis inlandslide susceptibility zonation, Geomorphology, 94: 379 –400.
##Pradhan, B., Lee, S., 2009, Landslide risk analysis using artificial neural networks model focusing on different training sites, International Journal of Physical Sciences, 4: 001-015.
##Yilmaz, I., 2010, Landslide susceptibility mapping using frequency ratio, logistic regression, artificial neural networks and their comparison: A case study from kat landslides (Tokat-Turkey), Computers and Geosciences, 35: 1125-1138.