میرعلی محمدی - دانشیار گروه سازه های هیدرولیکی، دانشکده فنی و مهندسی، دانشگاه ارومیه
هادی ایرجی - دانشجوی کارشناسی ارشد سازه های هیدرولیکی، دانشکده فنی و مهندسی، دانشگاه ارومیه

برآورد دقیق حجم رسوبات یکی از مهم ترین عوامل در ساماندهی و بهره برداری از منابع آب می باشد. سالانه به طور میانگین حدود 5.0 تا 1 درصد 5 درصد است که به طور تقریبی برابر با .. از مجموع حجم مخازن دنیا به علت رسوب گذاری از دست می رود که در ایران این مقدار بین 5.0 تا 0 1.0 تا 005 میلیون مترمکعب در سال می باشد. از جمله مشکلات ناشی از پدیده رسوبگذاری اختلال در عملکرد دریچه های تحتانی، افزایش قدرت فرسایش رودخانه در پایین دست سد، تشکیل جزایر رسوبی در محل ورود رودخانه به مخزن و باتلاق در اراضی بالادست سد و کاهش حجم مفیدسدها و در نتیجه کاهش توان ذخیره آب و کاهش حجم کنترل سیلاب می باشد. از روش های معمول برای بررسی و تخمین رسوبگذاری روش های آزمایشگاهی، مدل های ریاضی و مدل های تجربی هستند. از روش های نوین برای پیش بینی رفتار پدیده های طبیعی استفاده از شبکه های عصبی مصنوعی است. در تحقیق حاضر با استفاده از اطلاعات هیدرومتری ایستگاه مزرعه واقع در بالادست سد بارون ماکو دبی رسوب ورودی به مخزن سد توسط مدل شبکه ی عصبی مصنوعی پرسپترون چند لایه (3MLP) و روش منحنی سنجه رسوب پیش بینی گردید که با مقایسه دو روش ملاحضه گردید روش شبکه عصبی از دقت بالاتری در تخمین مقدار رسوب برخوردار است

سد بارون ماکو, دبی رسوب, شبکه ی عصبی مصنوعی پرسپترون چند لایه, منحنی سنجه رسوب