1. Количество чрезвычайных ситуаций. URL: https://aplifehack365.ru/kolichestvo/chs/ (дата обращения: 24.06.2024).
2. Weary of many disasters? UN says worse to come. URL: https://apnews.com/article/climate-science-united-nations-natural-disasters-fa1d16 ad7d59c7629bb1a9a955a494b0 (data obrashheniya: 24.06.2024).
3. Ученые: последние семь лет стали самыми жаркими за всю историю наблюдений. URL: https://daily.afisha.ru/news/ 58733-uchenye-poslednie-sem-let-stali-samymi-zharkimi-za-vsyu-istoriyu-nablyudeniy/ (дата обращения: 24.06.2024).
4. Андруняк И.В. Оценка вероятного ущерба от наводнений на основе мониторинга и прогнозирования по енисейскому бассейновому округу // Мониторинг. Наука и технологии. 2023. № 1 (55). С. 58–66.
5. Методический подход к составлению классификатора вызовов общественному здоровью / Т.П. Васильева [и др.] // Здоровье населения и среда обитания – ЗНиСО. 2024. Т. 32. № 2. С. 7–17.
6. Анализ показателей паводкоопасной обстановки на территории воронежской области за период с 2013 по 2023 год / Д.С. Королев [и др.] // Техносферная безопасность. 2023. № 2 (39). С. 112–122.
7. Статистический анализ чрезвычайных ситуаций природного характера в мире и на территории Российской Федерации / Д.С. Королев [и др.] // Техносферная безопасность. 2023. № 3 (40). С. 131–138.
8. Petrosyan O.H., Jzmechyan A.E. Research on the principles of artificial neural network construction and parameter modeling // Proceedings of National Polytechnic University of Armenia. Information Technologies, Electronics, Radio Engineering. 2023. № 1. С. 70–77.
9. Управление системой обеспечения безопасности информационно-телекоммуникационной сетью на основе алгоритмов функционирования искусственной нейронной сети / М.А. Коцыняк [и др.] // Известия Тульского государственного университета. Технические науки. 2020. № 4. С. 3–10.
10. Гейдаров П.Ш.О. Исследование устойчивости многослойного персептрона с вычисляемыми весами синапсов к меньшим объемам обучающей выборки // Информационно-управляющие системы. 2023. № 2 (123). С. 2–14.
11. Мингалиев З.З., Кычкин И.М. Решение обратных многомерных задач на основе многослойного персептрона // Вестник современных исследований. 2019. № 3.3 (30). С. 30–34.
12. Бутырский Е.Ю., Матвеев А.В. Математическое моделирование систем и процессов. СПб.: Информационный издательский учебно-научный центр «Стратегия будущего», 2022. 733 с. ISBN 978-5-4268-0064-9. DOI:https://doi.org/10.37468/book_011222. EDN CCRIRT.
13. Программа для анализа данных информационных потоков с последующей аналитической и прогнозной обработкой: свидетельство о государственной регистрации программы для ЭВМ № 2024615854 Рос. Федерация / Д.С. Королев, А.В. Вытовтов, П.С. Куприенко, Е.А. Сушко, В.И. Федянн, А.Н. Кошель, Н.В. Ильина; правообладатель ФГБОУ ВО Воронежский государственный технический университет (ФГБОУ ВО ВГТУ), заявлено от 05.03.2024 № 2024614716, государственная регистрация в реестре 13.03.2024.
14. Королев Д.С., Калач А.В., Сорокина Ю.Н. Сравнительный анализ способов прогнозирования физико-химических свойств веществ // Вестник Командно-инженерного института МЧС Республики Беларусь. 2016. № 1 (23). С. 78–84.
15. Матвеев А.В. Методы моделирования и прогнозирования. СПб.: С.-Петерб. ун-т ГПС МЧС России, 2022. 230 с. ISBN 978-5-907116-73-3. EDN IMLKWS.