فاطمه برزگری - دانشجوی دکتری آبخیزداری دانشگاه یزد
محمد تقی دستورانی - دانشیار دانشکده منابع طبیعی دانشگاه یزد درحال حاضرمامور دردانشگاه فردوسی مشهد

برآورد میزان دقیق رسوبات معلق دررودخانه ها ازابعاد مختلف کشاورزی و حفاظت خاک کشتیرانی سدسازی حیات آبزیان و ابعادتحقیقاتی دارای اهمیت فراوانی است روشهای مختلفی برای بررسی و براورد رسوبات معلق رودخانه موجود می باشد که البته توانایی این روشها متفاوت است درتحقیق حاضر به منظور مقایسه و بررسی توانایی شبکه های عصبی درپیش بینی رسوب معلق ازداده های متوسط رسوب معلق ماهانه ایستگاه قزاقلی واقع برروی گرگان رود استفاده شده است داده های موجود بصورت درمحیط نرم افزار Neurosolutions 5 به کارگرفته شد و درنهایت پیش بینی رسوب برای 111 ماه انجام گرفت نتایج حاصل ازارزیابی مقادیر پیش بینی شده توسط مدلهای مختلف با شاخصهای اندازه گیری خطا شامل mse و NMSE نشان داد که شبکه های عصبی درمقایسه با منحنی سنجه توانایی بهتری درپیش بینی و مدلسازی رسوب ماهانه دارد

رسوب معلق، قزاقلی، شبکه عصبی، منحنی سنجه ، مدل سازی