مهری عبدی دهکردی - دانشجوی کارشناسی ارشد گروه مهندسی دانشگاه علوم کشاورزی و منابع طبیعی
مهدی مفتاح هلقی - دانشیار گروه مهندسی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
امیراحمد دهقانی - استادیاران گروه مهندسی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
موسی حسام - استادیاران گروه مهندسی دانشگاه علوم کشاورزی و منابع طبیعی گرگان

تخمین درست رسوبات بار معلق حمل شده توسط رودخانه در بسیاری از پروژههای منابع آب دارای اهمیت فراوان است. روش مرسوم منحنیسنجه قادر بهتخمین دقیق رسوبات بار معلق نیست. در این مقاله شبکه عصبی مصنوعی به عنوان روشی موثر جهت تخمین میزان رسوبات بارمعلق روزانه بهکار رفته است. برای این منظور از آمار متناظر دبی جریان و دبی رسوب ایستگاه ولیکن در حوزه معرف کسیلیان که در طی سالهای آماری 1350 -1349 الی 1354-1353 ، به صورتروزانه اندازهگیری شده است، استفاده شد. دبی جریان مورد نظر بههمراه دبی جریان روز قبل به عنوان پارامترهای ورودی و دبی بارمعلق رسوب به عنوان پارامتر خروجی در نظر گفته شدند. نتایج بهدست آمده از این روش با استفاده از شاخصهای آماری با روش مرسوم منحنیسنجه مقایسه شد. مقایسه نتایج نشان داد که شبکه عصبی مصنوعی با دقت و اطمینان بیشتر نسبت به روش منحنیسنجه میتواند رسوبات بارمعلق روزانه را با دقت بیشتری برآورد کند.

بارمعلق رسوبات، شبکه عصبی مصنوعی، منحنیسنجه رسوب، حوزه کسیلیان