شبیه سازی و ارزیابی آورد رودخانه ها از جمله مسائل مهم و کاربردی در مدیریت منابع آب می باشد. بررسی روابط تجربی و معادلات ریاضی ارائه شده نشان میدهد که هنوز روش تحلیلی یا تجربی مناسبی که بر اساس آن به برآورد درستی از میزان رسوبات حمل شده توسط رودخانه دست یافت ارائه نشده است. در این مطالعه به منظور دستیابی به تخمینی نزدیک به واقعیت از میزان رسوبات حمل شده رودخانه ها، جهت مدلسازی رسوب معلق روزانه از شبکه عصبی مصنوعی و روش منحنی سنجه رسوب استفاده شده است. برای این منظور دسته بندیهای مختلفی شامل دسته بندی تصادفی (30 درصد اول، وسط و آخر داده ها) و دسته بندی هدف دار (آزمون کم آبی و پرآبی) و دسته بندی فصلی انجام شد. در این تحقیق سعی گردیده است که کارایی شبکه عصبی مصنوعی در پیش بینی رسوب معلق مورد ارزیابی قرار گیرد. با استفاده از روش سبکه عصبی مصنوعی (مدل پرسپترون چند لایه) رسوب معلق در ایستگاههای هیدرومتری بهشت آباد یکی از سرشاخه های کارون شمالی در استان چهامحال و بختیاری پیش بینی گردیده و نتایج با منحنی سنجه ی رسوی مورد مقایسه قرار گرفت. در این تحقیق از ساده ترین شبکه پرسپترون چند لایه که جریان اطلاعات از ورودی به خروجی است استفاده شده است. داده های دبی به عنوان ورودی شبکه و داده های رسوب به عنوان داده های هدف می باشد و نتایج نشان داد که شبکه عصبی مصنوعی با روند آموزش لونبرگ مارکوات دقت بیشتری در برآورد رسوب داشته است و دسته بندی فصلی نتایج بهتری نسبت دسته بندیهای دیگر داشته است.

کلمات کلیدی