1- عباسیان، م. و ع. کرباسی. 1382. کاربرد روشهای کمی در پیشبینی متغیرهای اقتصادی (مطالعه موردی: تولید و قیمت عمده فروشی تخممرغ). مجموعه مقالات چهارمین کنفرانس دوسالانه انجمن اقتصاد کشاورزی ایران، دانشکده کشاورزی دانشگاه تهران، صفحه 36.
2- عبدالهیعزتآبادی، م. 1385. مطالعه نوسانات درآمدی پستهکاران ایران: بهسوی سیستمی از بیمه محصول و ایجاد بازار آتی و اختیار معامله. پایاننامه دوره دکتری. دانشگاه شیراز، 200 صفحه.
3- طرازکار، م. ح. 1384. پیشبینی قیمت برخی از محصولات زراعی در استان فارس: کاربرد شبکه عصبی مصنوعی. پایاننامه دوره کارشناسی ارشد دانشگاه شیراز، 180 صفحه.
4- گیلانپور، ا. و ن. کهزادی. 1376. پیشبینی قیمت برنج در بازار بینالمللی با استفاده از الگوی خود رگرسیونی میانگین متحرک. فصلنامه اقتصاد کشاورزی و توسعه، 8: 200 - 189.
5- مجاوریان، م. و ا. امجدی. 1378. مقایسه روشهای معمول با تابع مثلثاتی در قدرت پیشبینی سری زمانی قیمت محصولات کشاورزی همراه با اثرات فصلی: مطالعه مورد مرکبات. فصلنامه اقتصاد کشاورزی و توسعه، 25: 62-43.
6- مشیری، س. 1380. پیشبینی تورم ایران با استفاده از مدلهای ساختاری، سری زمانی و شبکههای عصبی. مجله تحقیقات اقتصادی، 58: 184-147.
7- منهاج، م. ب. 1377. مبانی شبکههای عصبی (هوش محاسباتی). نشر دکتر حسابی، تهران، 150 صفحه.
8- گجراتی، د. 1998. مبانی اقتصادسنجی، جلد دوم، ترجمه حمید ابریشمی. انتشارات دانشگاه تهران، 350 صفحه.
Brandt, J. A. and D. A. Bessler. 1981. Composite forecasting: an application with US. hog prices. American Journal of Agricultural Economics 63: 135-140.
10.Church, K. B. and S. P. Curram. 1996. Forecasting consumers expenditure: a comparison between econometric and neural network models. International Journal of Forecasting 12: 255-267.
11. Day, R. H. 1965. Probability distributions of field crop yields. Journal of Farm Economics 47: 713-741.
12.Dillon, J. L. and J. B. Hardaker. 1993. Farm management research for small farmer development. FAO, Rome.
13.Engle, R. F. 1982. Autoregressive conditionally heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrics 50: 987-1007.
14.Hill, T., M. Oconnor, and W. Remus. 1996. Neural network models for time series forecasts. Management science 42: 1082-1092.
15.Heravi, S., D. R. Osborn, and C. R. Birchenhall. 2004. Linear versus neural network forecasts for European industrial production series. International Journal of Forecasting 20: 435-446.
16.Kohzadi, N., M. S. Boyd, I. Kaastra, B. S. Kermanshahi, and D. Scuse. 1995. Neural networks for forecasting: an introduction. Canadian Journal of Agricultural Economics 43: 463-474.
17.Marcellinio, M., J. H. Stock, and M. W. Watson. 2006. A comparison of direct and indirect and iterated multi step AR methods for forecasting macroeconomic time series. Journal of Econometrics 135: 499-526.
18.Pesaran, H. M. and B. pesaran. 1994. Working with Microfit 4.0: An Introduction to econometrics. Oxford University Press, Oxford.
19.Pindych, R. S. and D. L. Rubinfeld. 1998. A computer handbook using eviews. Fourth Edition, McGraw-Hill.
20.Portugal, N. S. 1995. Neural networks versus time series methods: A forecasting exercises. 14th international symposium on forecasting, Sweden.
21.Sadorsky, P. 2006. Modeling and forecasting petroleum futures volatility. Energy Economics 28: 467-488.
22.Wu, SH. I. 1995. Artificial neural networks in forecasting, neural networks world, 2, IDG VSP, PP: 199-220.
23.Wu, SH. I. and R. P. Lu. 1993. Combining artificial neural networks and statistics for stock-market. Forecasting 257-264.