منصور نجفی حاجی ور - دانشجوی کارشناسی ارشد مهندسی آبخیزداری ، دانشگاه تهران
مهدی جلالی - دانشجوی کارشناسی ارشد مهندسی آبخیزداری، دانشکده منابع طبیعی ساری
محمد خسروی - دانشجوی کارشناسی ارشد مهندسی آبخیزداری ، دانشگاه تهران

نقش منفی پدیده فرسایش و رسوبگذاری همواره تهدیدی برای طراحیهای آبخیززداری 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. در اینمقاله ضمن معرفی شبکه عصبی مصنوعی، با استفاده از شبکه پرسپترون چند لایه (MLP) اقدام به آموزش شبکه با استفاده از آمار 15 ساله دبی و رسوب ایستگاه هیدرومتری کردخیل رودخانه تجن گردید. سپس با استفاده ازآماری که دراموزش شرکت داده نشده بودند به تست شبکه اقدام نمود. با استفاده از روشهای آماری، RMSE و ضریب همبستگی به مقایسه نتایج حاصل از شبکه عصبی مصنوعی و منحنی سنجه رسوب پرداخته شد. نتایج نشان داد که روش شبکه عصبی مصنوعی نسبت به روش منحنی شنجه رسوب از کارایی بهتری برخوردار می باشد.

شبکه عصبی مصنوعی ، منحنی سنجه ، رسوب ، الگوریتم پس انتشار ، MATLAB