___

• [1] Keleş, R., Açıkalın, S. ve İleri, R., (1999). Adapazarı Kentsel Atıksu Arıtma Tesisi Çıkış Suyu Parametreleri ve Verim Değerlerinin Yapay Sinir Ağları İle Tahmin Edilmesi. Sakarya Üniversitesi, Müh. Fak., Çevre Müh. Bolumu, Esentepe Kampusu, Sakarya.
• [2] Açıkalın, S., (2005). Atıksu Arıtma Tesisi Veriminin Yapay Sinir Ağları ile Tahmin Edilmesi. Yüksek Lisans Tezi, Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, Sakarya.
• [3] Lee, J.W., Suh, C., Hong, Y.S.T., and Shin, H.S., (2011). Sequential Modelling of a Full-Scale Wastewater Treatment Plant Using an Artificial Neural Network. Bioprocess Biosyst. Eng., 34, 963–973.
• [4] Doğan, E., Ateş, A., Yılmaz, E.C., and Eren, B., (2008). Application of Artificial Neural Networks to Estimate Wastewater Treatment Plant Inlet Biochemical Oxygen Demand. Environmental Progress, 27, 4, 439-446.
• [5] Sinan, R.K., (2010). Evsel Atıksu Arıtma Tesislerinde Ön Arıtım ve Biyolojik Arıtım Çıkış Parametrelerinin YSA ile Tahmini. Yüksek Lisans Tezi, Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
• [6] Özel, O., (2011). Hurma (Antalya) Atıksu Arıtma Tesisi Performansının Modellenmesi. Yüksek Lisans Tezi, Adana; Çukurova Üniversitesi, Fen Bilimleri Enstitüsü.
• [7] Heddam, S., Lamda, H., and Filali, S., (2016). Predicting Effluent Biochemical Oxygen Demand in a Wastewater Treatment Plant Using Generalized Regression Neural Network Based Approach: a Comparative Study. Environmental Processes, Cilt:3, Sayı:1, ss:153-165.
• [8] Pai, T.Y., Tsai, Y.P., Loa, H.M., Tsai, C.H., and Lin, C.Y., (2007). Grey and Neural Network Prediction of Suspended Solids and Chemical Oxygen Demand in Hospital Wastewater Treatment Plant Effluent. Comput. Chem. Eng., 31, 1272–1281.
• [9] Mjalli, F.S., Al-Asheh, S., and Alfadala, H.E., (2007). Use of artificial neural network black-box modeling for the prediction of wastewater treatment plants performance. J. Environ. Manage., 83, 329–338.
• [10] Karakaya, K., (2012). Üretimlerinin Yapay Sinir Ağları ile Modellenmesi Yapay Zekâ Modelleriyle Tam Ölçekli Çamur Çürütme Reaktörlerinden Elde Edilen Biyogaz Üretiminin Tahmini: Yapay Sinir Ağları ve Fuzzy Logic Uygulamaları. Yüksek Lisans Tezi, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul.
• [11] Civelekoğlu, G., (2006). Arıtma Proseslerinin Yapay Zeka ve Çoklu İstatistiksel Yöntemler İle Modellenmesi. Doktora Tezi, Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Isparta.
• [12] Häck, M. and Köhne, M., (1996). Estimation of Wastewater Process Parameters Using Neural Networks. Water Science and Technology, 33, 1, 101-115.
• [13] Huang, Y.C. and Wang, X.Z., (1999). Application of Fuzzy Causal Networks to Waste Water Treatment Plants. Chem. Eng. Sci., 54, 2731-2738
• [14] Moatar, F., Fessant, F., and Poirel, A., (1999). pH Modelling by Neural Networks. Application of Control and Validation Data Series in The Middle Loire River. Ecological Modelling, 120, 141-156.
• [15] Pulcu Yıldız, S., (2009). Denizli (Merkez) Atıksu Arıtma Tesisi Performansının Yapay Sinir Ağları Kullanılarak Modellenmesi. Yüksek Lisans Tezi, Harran Üniversitesi, Fen Bilimleri Üniversitesi, Şanlıurfa.
• [16] Hamed, M.M., Khalafallah, M.G., and Hassanien, E.A., (2004). Prediction of Wastewater Treatment Plant Performance Using Artificial Neural Networks. Environmental Modelling & Software, 19, 919–928.
• [17] Kişi, Ö. And Parmar, K.S., (2015). Application of Least Square Support Vector Machine and Multivariate Adaptive Regression Spline Models in Long Term Prediction of River Water Pollution. Journal of Hydrology, Cilt:534, Sayı:1, ss:104-112.
• [18] Baki, O.T., (2017). Antalya Hurma Atıksu Arıtma Tesisi’nde Biyokimyasal Oksijen İhtiyacının Farklı Yapay Zeka Teknikleri İle Modellenmesi. Yüksek Lisans Tezi, Karadeniz Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Trabzon.
• [19] Civelekoğlu, G., Yiğit, N.O., Diamadopoulos, E., and Kitiş, M., (2009). Modelling of COD Removal in a Biological Wastewater Treatment Plant Using Adaptive Neuro-Fuzzy Inference System and Artificial Neural Network. Water Science & Technology, Cilt:60, Sayı:6, ss:1475-1487.
• [20] Denizci, Ö.E., (2009). Aktif Çamur Sistemlerinin Dinamik Simülasyonu: İstanbul’da Tuzla ve Paşaköy Evsel Atıksu Arıtma Tesislerinin İncelenmesi. Yüksek Lisans Tezi, İstanbul; Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü.
• [21] Düğenci, M., (2007). Arı Algoritması’nın Yapay Sinir Ağı Öğrenmesi İçin Kullanımı ve Atıksu Arıtma Tesis Kontrolü Uygulaması. Doktora Tezi, Sakarya; Sakarya Üniversitesi, Fen Bilimleri Enstitüsü.
• [22] Gernaey, K.V., Capodaglio, A.G., Mikkelsen, P.S., Henze, M., and Ra´Duly, B., (2006). Artificial Neural Networks for Rapid WWTP Performance Evaluation: Methodology and Case Study. Environmental Modelling & Software 22 (2007), 1208-1216.
• [23] Güçlü, D., (2007). Tam Ölçekli Kentsel Atıksu Arıtma Tesislerinin Bilgisayar Programı Kullanılarak Modellenmesi ve Arıtma Performanslarının İncelenmesi. Doktora Tezi, Konya; Selçuk Üniversitesi, Fen Bilimleri Enstitüsü.
• [24] Nacar, S., Kankal, M. ve Hınıs, M.A., (2018). Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (ÇDURE) ile Günlük Akarsu Akımlarının Tahmini-Haldizen Deresi Örneği. Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi. 8, 1, 38-47.
• [25] Pai, T.Y., Wang, S.C., Chiang, C.F., Su, H.C., Yu, L.F., Sung, P.J., Lin, C.Y., and Hu, H.C., (2009). Improving Neural Network Prediction of Effluent from Biological Wastewater Treatment Plant of Industrial Park Using Fuzzy Learning Approach. Bioprocess and Biosystems Engineering. Cilt:32, Sayı:1, ss:781-790.
• [26] Ra’duly, B., Gernaey, K.V., Capodaglio, A.G., Mikkelsen, P.S., and Henze, M., (2007). Artificial Neural Networks for Rapid WWTP Performance Evaluation: Methodology and Case Study. Environ. Modell. Softw., Cilt:22, Sayı:1, ss:1208-1216.