مینا پوراسمعیل - دانشجوی کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی دانشگاه تهران
علی سلاجقه - استاد دانشکده منابع طبیعی دانشگاه تهران

امروزه مدیریت کمی و کیفی منابع آب به سبب افزایش نیازمندیها و مصرف جوامع انسانی، بیش از پیش از اهمیت ویژه ای برخوردار است، بر همین اساس برآورد مقدار رسوب در پروژه های حفاظت خاک، طراحی و اجرای سازه های آبی، آبخیزداری و نیز بهره برداری از منابع آب مورد نیاز است. مطالعات اخیر حاکی از آن است که شبکه عصبی مصنوعی ابزاری قدرتمند و دقیق در پیش بینی پدیده رسوب می باشد و در اکثر موارد جوابهای منطقی و قابل اعتمادی ارایه میدهد. در این تحقیق با استفاده از روش شبکه عصبی مصنوعی )مدل پرسپترون چند الیه ( و به کمک نرم افزارMatlab 8.1 رسوب معلق روزانه در دو ایستگاه هیدرومتری سیرا و بیلقان واقع در رودخانه کرج پیش بینی گردید.. به این منظور از داده های دبی و رسوب موجود استفاده گردید. نتایج به دست آمده حاکی از آن است که شبکه عصبی مصنوعی در پیش بینی رسوب معلق در کل بازهی زمانی عملکرد مناسبی داشته است گرچه در پیش بینی دبی های پایه و نرمال موفق تر بوده است.

رسوب معلق روزانه، شبکه عصبی مصنوعی، رودخانه کرج