مهرداد فریدونی - استادیار و عضو هیات علمی بخش عمران دانشگاه آزاد اسلامی لارستان.
امیرحسین پورغلام دارابی - دانشجوی کارشناسی ارشد مهندسی عمران - سازه های هیدرولیکی ، دانشگاه آزاد اسلامی لارستان.

رسوبات حمل شده توسط رودخانه ها می تواند باعث بوجود امدن خساراتی به طبیعت، کشاورزی و تاسیسات آبی گردد . بررآوردصحیح بار رسوبی در تاسیسات آبی (مانند سد) باعث جلوگیری از حرف هزینه های اضافی خواهد شد. کشور ما ایران با دارا بودن رودخانه هرای متعدد، پتانسیل بالایی جهت احداث سد دارد و از طرفی همه ساله سیل در نقاط مختلف باعث ایجاد خسارت های فراوانی می گردد کره یکی از دلایل آن کاهش یافتن ظرفیت حمل آب توسط مقطع رودخانه بدلیل انباشتگی رسوبات می باشد. لذا بررسری پدیده رسوب و براورد رسوب حمل شده توسط رودخانه اهمیت خاحی خواهد داشت. در این راستا جهت تخمین بار معلق رسوب بره جای استفاده از روش کلاسیک از روش های هوشمند سازی شبکه های عصبی مصنوعی که با پدیده های طبیعی سازگارتر هستند، استفاده شده است بدین منظور از داده های اندازه گیری شده دبی و رسوب رودخانه شاپور ایستگاه چیتی از سال 1371 تا 1390 استفاده شده است . به منظور مقایسه و ححت سنجی کارایی روش های مختلف مورد استفاده در تحقیق از معیارهای ارزیابی خطا از جمره MSE , RMSE, SSE و ضریب همبستگی استفاده شده است. نتایج این تحقیق حاکی از دقت و برتری نسبی مدل شبکه های عصبی با تعداد لایه 4 و تعداد نرون 25 در هر لایه و با تابع انتقال TANSIG نسبت به بقیه مدل ها می باشد.

ایستگاه چیتی، پیش بینی رسوب بار معلق، رودخانه شاپور، شبکه های عصبی مصنوعی