1. Бурцева Е. И., Парфенова О. Т. Экономический ущерб от наводнений на реках Республики Саха (Якутия) // Проблемы современной экономики. 2015. № 1 (53). С. 256-259.
2. Картвелишвили Н. А. Стохастическая гидрология. Л.: Гидрометеоиздат, 1980. 200 с.
3. Коронкевич Н. И., Барабанова Е. А., Зайцева И. С. Экстремальные гидрологические ситуации. М.: Медиа-ПРЕСС, 2010. 464 с. EDN: QKJWEN
4. Москвичев В. В., Симонов К. В. Статистические модели оценки опасности наводнений // Проблемы безопасности и чрезвычайных ситуаций. 2008. № 4. С. 11-19.
5. Ничепорчук В. В. Ресурсы и технологии региональных информационно-аналитических систем природно-техногенной безопасности: дис. … д-ра техн. наук. Новосибирск, 2022. 295 с. EDN: SHSKPI
6. Ноговицын Д. Д., Кильмянинов В. В. К вопросу о прогнозировании заторных явлений на реке Лена // Наука и техника в Якутии. 2007. № 1. С. 19-24. EDN: XXMECM
7. О восстановлении Ленской нефтебазы после наводнения 2001 г. / А. П. Аммосов, В. Б. Стрижов, Л. С. Белов, В. И. Макаренко // Наука - производству. 2003. № 8. С. 3-6.
8. Саати Т. Л. Принятие решений при зависимостях и обратных связях: Аналитические сети: пер. с англ. / науч. ред. А. В. Андрейчиков, О. Н. Андрейчикова. М.: Изд-во ЛКИ, 2008. 360 с.
9. Стручкова Г. П., Капитонова Т. А., Слепцов О. И. Использование байесовских сетей для анализа рисков наводнений во время весеннего половодья на участке р. Лена возле п. Табага // Проблемы безопасности и чрезвычайных ситуаций. 2022. № 5. С. 33-44. DOI: 10.36535/0869-4176-2022-05-3 EDN: FZZHEM
10. A novel approach for assessing flood risk with machine learning and multi-criteria decision-making methods / Shikhteymour Sharareh Rashidi, Borji Moslem, Bagheri-Gavkosh Mehdi [et al.] // Applied Geography. 2023. Vol. 158. P. 103035.
11. A spatial assessment framework for evaluating flood risk under extreme climates / Yun Chen, Rui Liu, Damian Barrett [et al.] // Science of The Total Environment. 2015. Vol. 538. P. 512-523. DOI: 10.1016/j.scitotenv.2015.08.094
12. Abebe Y., Kabir G., Tesfamariam S. Assessing urban areas vulnerability to pluvial flooding using GIS applications and Bayesian Belief Network model // Journal of Cleaner Production. 2018. Vol. 174. P. 1629-1641. DOI: 10.1016/j.jclepro.2017.11.066
13. Assessment of a Bayesian Belief Network-GIS framework as a practical tool to support marine planning / V. Stelzenmüller, J. Lee, E. Garnacho, S. I. Rogers // Marine Pollution Bulletin. 2010. Vol. 60. Iss. 10. P. 1743-1754. DOI: 10.1016/j.marpolbul.2010.06.024
14. Fernández D. S., Lutz M. A. Urban flood hazard zoning in Tucumán Province, Argentina, using GIS and multicriteria decision analysis // Engineering Geology. 2010. Vol. 111, Iss. 1-4. P. 90- 98. DOI: 10.1016/j.enggeo.2009.12.006
15. Flood susceptibility mapping of Kathmandu metropolitan city using GIS-based multi-criteria decision analysis / Chaulagain Deepak, Rimal Parshu Ram, Ngando Same Noel [at al.] // Ecological Indicators. 2023. Vol. 154. P. 110653.
16. Geographic information system (GIS)-Based multicriteria analysis of flooding hazard and risk in Ambo Town and its watershed, West shoa zone, oromia regional State, Ethiopia Gemechu Shale / Amare Bantider [et al.] // Journal of Hydrology: Regional Studies. 2020. Vol. 27. P. 100659.
17. Rijal S., Rimal B., Sloan S. Flood hazard mapping of a rapidly urbanizing city in the foothills (Birendranagar, Surkhet) of Nepal // Land. 2018. Vol. 7, N 2. DOI: 10.3390/land7020060