زهرا حاجی علی گل - دانشجوی کارشناسی ارشد سازه های آبی، دانشگاه شهید چمران اهواز
سید محمود کاشفی پور - دانشیار دانشکده مهندسی علوم آب، دانشگاه شهید چمران
ایمان بیت اله پور چهارمحالی - دانشجوی کارشناسی ارشدسازه های آبی، دانشگاه تهران

از آنجا که برآورد دقیق حجم رسوبات، مهم ترین عامل در ساماندهی رودخانه ها و بهرهبرداری از منابع آب و تعیین عمر مفید سدها می باشد، لذا، با استفاده از روش هایی با دقت مناسب جهت محاسبه بار رسوب، از مهم ترین اهداف پروژه های مرتبط با رسوب محسوب می شود. در این مقاله با کاربرد نرم افزار2000 Qnet در ایستگاه های پل زال و جلوگیر در بالادست کرخه به کمک اطلاعات هیدرومتری، دبی ریوب ورودی به سد کرخه با دقت نسبتاَ بالایی پیش بینی گردید. نتایج مدل سازی شبکه های عصبی مصنوعی نشان داده است که پارامتر دبی در همان روز در هر ایستگاه، مؤثرترین پارامتر ورودی از میان 5 متغیر مختلف در شبیه سازی مدل بوده است. مقایسه نتایج حاصل از مدل و مقادیر اندازه گیری شده در مراحل آموزش و صحت سنجی و تست نشان داده است که مدل قادر بوده پدیده انتقال رسوب را به خوبی پیش بیبنی نماید. همچنین با مقایسه روش شبکه های عصبی با روش منحنی سنجه، ملاحظه گردید که روش شبکه های عصبی مصنوعی دبی رسوب را با دقت بالاتری برآورد می کند.

منابع آب، شبکه عصبی مصنوعی، دبی رسوب، رودخانه کرخه