پیشبینی میزان بار رسوب منتقل شده توسط رودخانهها، یکی از جنبههای مهم مدیریت رودخانهها، مخازن سدها و به‌طور کلی پروژههای آبی به‌شمار میرود. در تحقیق حاضر به‌منظور پیشبینی بار معلق رسوب رودخانه طالقان با استفاده از شبکه عصبی مصنوعی و شناسایی شبکه بهینه با بالاترین دقت، از 500 داده روزانه متغیرهای دبی روز مورد‌نظر، دبی یک روز قبل، اشل و وضعیت هیدروگراف (به‌ترتیب با میانگین ( m3/s ) 83/13، ( m3/s ) 42/15، ( cm )83/89 و036/0-) به‌عنوان ورودی مدل و 500 داده روزانه بار معلق رسوب متناظر، به‌عنوان خروجی مدل استفاده شد. دادههای مورد استفاده مربوط به بازه زمانی 1384- 1363، میباشد. با ایجاد ترکیبهای متفاوتی از متغیرهای ورودی و هم‌چنین با تغییر تعداد نرونهای لایه پنهان و تابع آستانه، 80 شبکه عصبی متفاوت ایجاد شد، که با مقایسه دو پارامتر R2 و RMSE در مدلهای مختلف، دقت آنها بررسی شد. نتایج نشان داد که شبکه عصبی با ساختار 1-9-3 و با ترکیب پارامترهای ورودی شامل دبی روز مورد‌نظر، دبی یک روز قبل و اشل، با R2 و RMSE آزمون، به‌ترتیب97/0 و 068/0 دارای بالاترین دقت میباشد. بر‌اساس نتایج حاصل از شبکه 1-9-3، میانگین دادههای رسوب مشاهداتی و پیشبینی شده توسط مدل بهینه (مربوط به بخش آزمون)، به‌ترتیب802/1122 و 924/ 1184 (تن در روز) میباشد.
