در این تحقیق از شبکه عصبی مصنوعی به عنوان روشی موثر جهت تخمین مقدار رسوب معلق استفاده میشود. به این منظور میزان آورد رسوب معلق ایستگاههای هیدرومتری (سولگان و کیار) بر روی رودخانه ی کارون شمالی در استان چهارمحال و بختیاری در حالت برآورد دبی جریان به عنوان ورودی و دبی رسوب به عنوان خروجی با استفاده از شبکه عصبی مصنوعی برآورد میشود. که این کار در محیط نرم افزار مطلب انجام شده و نوع شبکه مورد استفاده پرسپترون لایه و با روند آموزش لونبرگ مارکوادرت می باشد. برای این منظور دسته بندی های مختلفی انجام شده است که شامل دسته بندی هدف دارد(آزمون کم آبی و پر آبی) و دسته بندی تصادفی (30 درصد اول، وسط، و آخر داده ها) می باشد. و با استفاده از پارامترهای آماری از جمله RMSE میزان خطای دسته بندی های مذکور تعیین می گردد. برای این کار 30 درصد داده ها به عنوان داده های آزمون و 70 درصد داده ها به عنوان آموزش در نظر گرفته شده است. دسته بندی داده به صورت هدف دار (دسته بندی رسوب بیشتر از میانگین دوره های پرآبی و کمتر از میانگین دوره های کم آبی) و به صورت رندم (انتخاب تصادفی داده ها) انجام میشود. نتایج نشان داده که داده های شبیه سازی شده به صورت هدفدار در مقابل داده های تصادفی از دقت بیشتری برخوردار می باشد. دوره کم آبی کمترین مقدار Rmse درصد خطا را دارد که نشان می دهد که اختلاف مقادیر مشاهده ای و برآوردی کمتر است ودوره پر آبی بیشترین مقدار ضرایب ناش و تبیین همراه با خطای کمتری را دارا می باشد.

کلمات کلیدی