عبداله حسین پور - محقق مرکز تحقیقات کشاورزی و منابع طبیعی آذربایجان شرقی،دانشجوی دکترای دانشگاه شهید چمران
فریدون رادمنش - دانشیار دانشگاه چمران اهواز، دانشکده علوم آب
علی محمد آخوندعلی - استاد دانشگاه چمران اهواز، دانشکده علوم آب
پویا حسین پور - دانشجوی کارشناسی مهندسی محیط زیست دانشگاه تهران

تخمین صحیح مقدار رسوب و نقش ان در طراحی و مدیریت پروژه های منابع آب و همچنین با در نظر گرفتن مشکلات فنی و اقتصادی امکان احداث و بهره برداری از ایستگاه های رسوب سنجی، همیشه نقش حیاتی در پیشبرد صحیح مطالعات مهندسی رودخانه دارد. لذا ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانه ها بسیار سودمندخواهد بود.به علت عدم دستیابی به اطلاعات کامل و دقیق پارامترهای تاثیر گذار در فرآیند رسوب و ساختار کاملا غیر خطی برای الگوبندی آن در روش های مذکور نمی توان مدل جامعی به علت برآورد نه چندان دقیق و عدم امکان بررسی تغییرات زمانی رسوبات حمل شده توسط جریان معرفی نمود. هدف از این تحقیق بررسی قابلیت مدل شبکه عصبی مصنوعی به منظور شبیه سازی رسوب معلق در رودخانه قره سومی باشد. دراین تحقیق برای تخمین بار معلق از داده های دبی جریان، بارش ،دما و رسوب پیشین استفاده گردید. شبکه عصبی مصنوعی دارای بیشترین دقت و قابلیت دراجرای تمامی مدل های برآورد رسوب حوضه رودخانه قره سو شناسایی و توصیه گردیده است .براساس معادله گارسون،اهمیت نسبی پارامترهای متوسط ماهانه ماه قبل دبی و دبی رسوب دبی ماه جاری دما و بارش به ترتیب با 32%، 27%، 19%، 14%، 8% درصد بر روی برآورد میزان دبی رسوب ماه جاری تاثیر دارند.

بار معلق، حوضه قرهسو، شبلاهعصبیمصنوعی، معادله فارسون، مدلسازی