سیداحمد احمدی - دانشجوی کارشناسی ارشد سازه هیدرولیکی
امین فلامکی - استادیار دانشگاه پیام نور

برآورد بارکل رسوبی برای طیف وسیعی ازمسائل طراحی و قضاوت های مهندسی ازقبیل طراحی مخازن سد ها انتقال رسوب دررودخانه ها طراحی کانالهای بتنی حوضچه های رسوبگیر و ارزیابی اثرات زیست محیطی مورد نیاز می باشد تاکنون تعدادزیادی از مدلهای فیزیکی و تجربی جهت براورد باررسوبی مورد استفاده قرارگرفته است اما دقت نتایج این مدلها ازنظر منطبق بودن با واقعیت سوال برانگیز میباشد اخیرا روش شبکه عصبی مصنوعی درشاخه های مختلف علمی به کارگرفته شده است این روش یک مدل غیرخطی می باشد و بنظر می رسد روش مفیدی برای تخمین بارکل رسوبی باشد تحقیق حاضر کارایی روش شبکه عصبی مصنوعی را برحمل باررسوب کل با استفاده ازنرم افزار MATLAB ارزیابی می کند نتایج این تحقیق نشان داده است که شبکه عصبی MLP توانسته است بارکل رسوب را با دقت بالایی پیش بینی نماید.

بارکل رسوب، شبکه عصبی مصنوعی، MLP ، RBF