صمد امامقلی زاده - استادیار گروه مهندسی آب دانشگاه صنعتی شاهرود
حسن ترابی پوده - استادیار گروه مهندسی آب دانشگاه لرستان

تخمین صحیح بار رسوبی رودخانه‌ها از جمله پارامترهای مهم در علم مهندسی رودخانه و رشته‌های وابسته از جمله هیدرولوژی و هیدرولیک می‌باشد، با توجه به اینکه در بعضی از رودخانه‌ها به علت عدم وجود ایستگاه‌های هیدرومتری و لذا عدم برداشت اطلاعات دبی رسوب و یا عدم وجود آمار روزانه دبی رسوب در ایستگاه‌های هیدرومتری نیاز به برآورد دبی رسوب روزانه با استفاده از آمار روزانه دبی می‌باشد. لذا در این مقاله ابتدا دبی رسوب ایستگاه ایدنک واقع در بالادست سد مارون با استفاده از رابطه نمایی دبی-دبی رسوب محاسبه شده و سپس دبی رسوب ایستگاه مذکور با استفاده از روش شبکه عصبی مصنوعی مورد محاسبه قرار می‌گیرد. در این مطالعه از یک نرم‌افزار شبکه عصبی (Qnet2000) که یک پرپسترون چند لایه می‌باشد استفاده گردید. نتایج اجرای مدل نشان می‌دهد که شبکه بدست آمده نسبت به رابطه نمایی دبی-دبی رسوب از دقت بالاتری جهت برآورد دبی رسوب می‌باشد.

بار رسوبی، شبکه عصبی مصنوعی، مخزن