رفتار رسوبات چسبنده به علت ماهیت الکتروشیمیایی آن ها کاملاً متفاوت از رسوبات غیرچسبنده است. این نوع از رسوبات شامل کانی های رسی می باشند. این کانی ها دارای سطح مخصوص بزرگی با بار منفی می باشند. این ویژگی رسوبات باعث ایجاد پیوند هیدروژنی میان آن ها با آب خواهد شد که پس از برقرار شدن این پیوند، رسوبات چسبنده مستعد ترکیب با موادی دیگر از جمله سیلت، سدیم و ... خواهند بود. به علت ماهیت رفتاری متفاوت رسوبات چسبنده با رسوبات دانه درشت، فرسایش آن ها نیز با یکدیگر متفاوت می باشد. در تعیین نرخ فرسایش رسوبات غیرچسبنده از پارامترهای فیزیکی آن ها از جمله قطر متوسط و چگالی به همراه تنش برشی جریان روی بستر استفاده می گردد، در حالی که به علت پیچیدگی رفتار رسوبات چسبنده نرخ فرسایش این گروه از رسوبات به صورت رابطه ای میان نرخ فرسایش و تنش برشی بستر به همراه ضرایب ثابت مربوط به هر نوع رسوب تعریف می گردد. در این تحقیق از اطلاعات آزمایشگاهی رسوبات چسبنده مصب رودخانه لویر به دریای آتلانتیک در کشور فرانسه استفاده شده است و پس از تعیین رابطه مناسب میان نرخ فرسایش و تنش برشی بستر برای این رسوبات با استفاده از مدل عددی، بسط داده ها صورت گرفته است. در ادامه با تعیین مناسب ترین معماری شبکه عصبی، مدلی جامع برای تعیین میزان فرسایش این رسوبات با در نظر گرفتن مشخصه های جریان و رسوب ارائه گردید. پارامترهای استفاده شده در مدل شامل مولفه های جریان از جمله سرعت، شیب بستر، چگالی، لزجت، عمق و مشخصه های رسوبات از جمله تنش برشی تسلیم، چسبندگی و چگالی خشک ذرات می باشند. به علت عملکرد بهتر شبکه عصبی این داده ها پس از بی بعدسازی به روش باکینگهام در شبکه مورد استفاده قرار گرفتند. در نهایت پس از انجام تحلیل حساسیت میان پارامترهای بی بعد مورد استفاده، پارامتر بدون بعد v/?(?_y/?_w ) به عنوان موثرترین پارامتر در افزایش نرخ فرسایش و پارامتر بدون بعد ?_s/?_w به عنوان موثرترین پارامتر در کاهش فرسایش معرفی گردیدند. در گام آخر، برای استفاده جامع تر از نمودار نرخ فرسایش در مقابل تنش برشی بستر، با کمک شبکه عصبی به بسط داده ها برای انواع رسوبات با ویژگی های مختلف دیگر پرداخته شده است.