شاداب عباسی شوشتری - دانشجوی کارشناسی ارشد - دانشگاه شهید چمران اهواز
سیدمحمود کاشفی پور - استادیار دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز

نقش منفی پدیده فرسایش و رسوبگذاری همواره تهدیدی برای طرحهای آبی به شمار می رود . این پدیده منجر به اعمال اثر منفی بر روی شاخص های کیفی آب، از دست رفتن خاک حاصلخیز کشاورزی و خسارات جبران ناپذیر به طرح های عمرانی آب می گردد . بدلیل وجود ارتباطات پیچیده بین پارامترهای گوناگون مؤثر در مقدار رسوب و میزان انتقال آن , هیچیک از روشهای ارائه شده جهت برآورد رسوب مقبولیت جهانی و عمومی بدست نیاورده اند در این راستا شبکه های عصبی مصنوعی در تعیین بار معلق رسوب توانا به نظر می رسند . در این روشها مدل با استفاده از یک دسته سری های داده آموزش می یابد و در مواردی که قبلا با آنها مواجه نشده است به پیش گویی می پردازد . در این مقاله با استفاده از مدل Qnet2000 بار معلق عبوری از مقطع ایستگاه اهواز در رودخانه کارون برآورد گردید . نتایج این روش با نتایج روش های SPSS و منحنی سنجه مورد مقایسه قرار گرفت . نتایج نشان دهنده برتری شبکه های عصبی مصنوعی نسبت به دو روش دیگر می باشد

بار معلق رسوب، شبکه های عصبی مصنوعی، رودخانه کارون، منحنی سنجه