مقاطع مرکب در مهندسی رودخانه از اهمیت زیادی برخوردار است. معمولاً در بستر رودخانه های طبیعی یک یا دو ناحیه کم عمق (سیلاب دشت ها) در مجاورت یک ناحیه عمیق (مقطع اصلی) قرار دارند. اختلاف سرعت جریان در کانال اصلی و سیلاب دشت ها، موجب شکل گیری یک لایه برشی و اندرکنش در فصل مشترک بین این زیر مقاطع می شود. در گذشته روش های تجربی و تحلیلی بسیاری برای برآورد ظرفیت انتقال در کانال های مرکب ارائه شده است. در سال های اخیر نیز با توسعه علوم رایانه ای، پیشرفت زیادی در زمینه های مختلف هوش مصنوعی، از جمله شبکه های عصبی حاصل شده است. استفاده از شبکه های عصبی در پیش بینی و تخمین پدیده های مختلف علمی و مهندسی، رواج و توسعه بسیاری پیدا کرده است. در این تحقیق به منظور پیش بینی سرعت جریان در کانال های مرکب منشوری با سیلاب دشت هائی به عرض 100، 200ُ، 300 و 400 میلی متر، از شبکه های عصبی مصنوعی پرسپترون چندلایه (MLP) موجود در نرم افزار MATLAB استفاده شده است و میزان دقت مدل سازی با استفاده از داده های آزمایشگاهی مورد مقایسه و سنجش قرار گرفته است. در این مدل سازی 70 درصد داده ها جهت آموزش و 30 درصد آن ها جهت آزمون مدل استفاده شده است. دقت مدل سازی با استفاده از معیارهای ریشه میانگین مربعات خطا (RMSE) و مجذور ضریب همبستگی (R^2) مورد ارزیابی قرار گرفته است. نتیجه حاصل، نشان از دقت خوب این مدل ها در تخمین میزان سرعت جریان آب در کانال های مرکب منشوری دارد.
