چکیده: هدف از این پایان نامه، بررسی آبدهی و رسوب رودخانه مارون – جراحی و پیش بینی آن ها به وسیله شبکه عصبی مصنوعی است. . طول این رودخانه 438 کیلومتر و ارتفاع آن در سرچشمه 2200 متر است. رودخانه‌ جراحی از کوه‌های راه باریک و سفید و گل گیلک در 53 کیلومتری شمال غربی یاسوج واقع در دهستان دروهان بویراحمد سردسیر سرچشمه گرفته و بنام رودخانه لوداب رو به سوی شمال غربی روان می‌شود. این رودخانه پس از دور زدن کوه دزدکوه در دامنه غربی با رودخانه قلات درهم می‌آمیزد و به سوی جنوب منحرف می‌گردد و به دهستان منصوری از شهرستان بهبهان وارد می‌شود و ضمن عبور از شمال دشت بهبهان با چندین ریزابه بزرگ و کوچک از جمله آب خروار مخلوط می‌گردد. این رودخانه در دامنه شرقی کوه عرلون با رودخانه بابا احمد مخلوط می‌شود و ضمن عبور از جنوب شهرستان رامهرمز با رودهای آب رازک و اعلا مخلوط می‌شود و از کنار شهر رامشیر بنام رودخانه جراحی وارد دهستان جراحی از شهرستان بندر ماهشهر می‌گردد و از 17 کیلومتری شمال بندر ماهشهر عبور می‌کند و به سوی شمال غربی متوجه می شود و به خلیج فارس سرازیر می‌گردد. حوضه آبریز رودخانه ‌های جراحی و زهره از دو زیر حوضه مستقل و جدا از یکدیگر که در مجاورت هم واقع شده‌اند تشکیل گردیده که این دو زیر حوضه به دلیل مشابهت‌ هایی که با یکدیگر دارند در قالب یک واحد دیده شده‌اند. برای بررسی آبدهی رودخانه مارون از اطلاعات هیدرومتری 10 ایستگاه منتخب در طول رودخانه استفاده شده است. دو آزمون من کندال و تخمین گر سن که جزء متداول‌ترین روش‌های ناپارامتری به شمار می‌روند، جهت تحلیل روند آبدهی در مقیاس‌ سالانه به کار گرفته شدند. 10 ایستگاه سینوپتیکی واقع در حوزه زهره - جراحی که در بازه زمانی 1345 تا 1392 دارای آمار بودند انتخاب شده و دو آزمون فوق بر روی داده‌ های آن ها اعمال گردید، و نتایج حاصل از این دو روش با هم مورد مقایسه قرار گرفتند. نتایج نشان داد که کارایی دو روش فوق در تحلیل روند آبدهی و رسوب در بیشتر موارد شبیه به هم است و نشان دهنده وجود روند کاهشی معنی‌دار برای آبدهی در این ایستگاه ها بود. در تحقیق حاضر به منظور پیش بینی و برآورد دبی رودخانه مارون از شبکه عصبی مصنوعی استفاده شده است. داده های مورد استفاده شامل دبی، بارش و درجه حرارت سالانه و ماهانه و آمار بارش ماهانه ایستگاه مورد مطالعه بودند که از سازمان مدیریت منابع آب کشور جمع آوری شدند. به منظور مدل سازی دبی به روش شبکه عصبی مصنوعی از نرم افزار qnet 2000 استفاده شده است. برای مدل سازی با استفاده از شبکه عصبی مصنوعی سه حالت درنظر گرفته شد: الف- بررسی تأثیر توابع محرک در یادگیری شبکه عصبی مصنوعی، ب- بررسی تأثیر لایه های میانی در یادگیری شبکه عصبی مصنوعی، ج- بررسی تأثیر تعداد داده های ورودی بر روی یادگیری شبکه عصبی مصنوعی. نتایج این تحقیق نشان داد از میان مدل های شبکه عصبی مصنوعی، مدل شبکه عصبی با تابع محرک گوس و تعداد لایه های میانی برابر 3 با بیشترین ضریب همبستگی در مراحل آموزش و صحت سنجی به ترتیب برابر 0/617 و 0/633 به عنوان مدل برتر در پیش بینی و برآورد دبی رودخانه مارون تشخیص داده شد.