سیلاب یکی از مهمترین بلایای طبیعی است که حیات و سرمایه بشری را تهدید می نماید. سد های پاره سنگی یکی از روش های ارزان قیمت جهت کنترل سیلاب محسوب می گردند. استفاده از این سدها سبب م یشود که هیدروگراف سیل خروجی از آن، دارای دبی اوج کمتر و زمان پایه بزرگتری نسبت به هیدروگراف ورودی گردد. شبکه عصبی مصنوعی از جمله روش هایی است که می تواند با دقت مناسبی فرآیندهای پیچیده و غیرخطی را برآورد نماید. اما دقت پیش بینی آن به نوع الگوریتم یادگیری و تابع آستانه مورد استفاده بستگی دارد. در این تحقیق به منظور برآورد دبی خروجی از سدهای پاره سنگی و بر مبنای بکارگیری داده های آزمایشگاهی، مدل شبکه عصبی پرسپترون چندلایه با الگوریتم های یادگیری مختلف و تابع های آستانه مورد ارزیابی قرار گرفت. سپس، دبی برآورد شده با رو ش شبکه عصبی مصنوعی با مقادیر حاصله از مدل عددی دو بعدی مقایسه گردید. نتایج نشان داد که مدل پرسپترون چندلایه با الگوریتم یادگیری دلتا بار دلتا و تابع آستانه تانژانت هایپربولیک با مقدار میانگین مربع خطا برابر با 00011 / 0، مقدار دبی خروجی از سد پاره سنگی را با دقت بالایی پیش بینی می نماید. همچنین شبکه عصبی مصنوعی با مقدار ضریب تعیین ( 962 / 0 = R2 ) همانند مدل عددی ( 984 / 0 = R2 ) ازعملکرد مطلوبی برخوردار بود. بنابراین می توان برای تخمین دبی خروجی از سد های پاره سنگی، با بکارگیری شبکه عصبی مصنوعی بجای روش های عددی به مشکل پیچیدگی و زمان بر بودن روش های عددی فائق آمد.
