Akarsuların taşımış olduğu askı maddesi miktarı, akarsuyun taban eğimine, topografyasına, akarsuyun debisine, zamana ve bölgenin iklim şartlarına bağlı olarak değişir. Taşınan katı madde miktarının doğru tahmini, hidrolik mühendisliği ve su kaynakları projelerinin tasarımı ve yönetiminde önemli bir yere sahiptir. Bu çalışmada katı madde miktarının tahmini için Yapay Sinir Ağları (YSA) 'na dayalı modeller geliştirilmiştir. Çalışmada Amerika'da USGS (US Geological Survey) tarafından işletilen Rio Valenciano istasyonuna ait günlük akış ve katı madde verileri kullanılmıştır. Bugünkü akış verileri ile önceki günlere ait akış ve katı madde verilerinden oluşan farklı girdi kombinezonları denenerek bugünkü katı madde miktarını en iyi tahmin eden YSA modeli elde edilmiş ve test sonuçları, katı madde anahtar eğrileri ve çoklu doğrusal regresyonla (ÇDR) karşılaştırılmıştır.

Transportation of suspended sediment in the river changes according to the base slope, topography and flow discharge of the river, time and regional climate conditions. Estimation of suspended sediment yield accurately has a big importance in hydraulic engineering and design of water resources projects and management. In this study, various models developed based on artificial neural networks (ANN) to predict sediment concentration in the river. Daily flow and suspended sediment concentration data of the Rio Valenciano Station operated by the United States Geological Survey (USGS) were used as case study. Different input combinations tested to predict daily suspended sediment concentration dependent on daily flows and former daily flows and suspended sediment concentrations. The best ANN model is obtained with the help of this input combination. Than the test results of the ANN models were compared with the multi linear regression and sediment rating curve.