پویا حسین پور - دانشجوی کارشناسی مهندسی محیط زیست دانشگاه تهران
حسین آذرنیوند - استاد دانشکده منابع طبیعی، دانشگاه تهران
شراره پورابراهیم آبادی - استادیار دانشکده منابع طبیعی، دانشگاه تهران
عبداله حسین پور - محقق مرکز تحقیقات آموزش کشاورزی و منابع طبیعی آذربایجان شرقی

تخمین صحیح مقدار رسوب و نقش آن در طراحی و مدیریت پروژه های منابع آب و همچنین با درنظر گرفتن مشکلات فنی و اقتصادی امکان احداث و بهره برداری از ایستگاه های رسوب سنجی، همیشه نقش حیاتی در پیشبرد صحیح مطالعات مهندسی رودخانه دارد. لذا ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانه ها بسیار سودمند خواهد بود. به علت عدم دستیابی به اطلاعات کامل و دقیق پارامترهای تاثیرگذار در فرایند رسوب و ساختار کاملا غیرخطی برای الگوبندی آن در روش های مذکور نمی توان مدل جامعی به علت عدم دستیابی به اطلاعات کامل و دقیق پارامترهای تاثیرگذار در فرایند رسوب و ساختار کاملا غیرخطی برای الگوبندی آن در روش های مذکور نمی توان مدل جامعی به علت برآورد نه چندان دقیق و عدم امکان بررسی تغییرات زمانی رسوبات حمل شده توسط جریان معرفی نمود. هدف از این تحقیق بررسی قابلیت مدل شبکه عصبی مصنوعی به منظور شبیه سازی رسوب معلق در رودخانه اهرچای می باشد. در این تحقیق برای تخمین بار معلق از داده های دبی جریان، بارش، دما و رسوب پیشین استفاده گردید. شبکه مصنوعی دارای بیشترین دقت و قابلیت در اجرای تمامی مدل های برآورد رسوب حوضه رودخانه اهرچای شناسایی و توصیه گردیده است. با استفاده از معادله گارسونف متوسط دبی و دبی رسوب ماه قبل به ترتیب با درصد اهمیت نسبی 28% و 24% بیشترین و بقیه پارامترها کمترین تاثیر را بر روی میزان دبی رسوب دارد.

بار معلق، مدل سازی، حوضه اهرچای، شبکه عصبی مصنوعی، مدل سازی