یکی از بزرگترین مشکلاتی که پس از ساخت سدها ایجاد می شود مسئله ی رسوبگذاری در مخازن آن هاست. این پدیده بهره برداری بهینه از حجم آب ذخیره شده در مخزن سد را با مشکل جدی مواجه می سازد. از اثرات رسوبگذاری مخزن سد می توان به کاهش ظرفیت مخزن، افزایش قدرت فرسایشی رودخانه در پایین دست سد، اختلال در عملکرد دریچه های تحتانی و ... اشاره کرد. حصول روش های مناسب و دقیق در پیش بینی بار رسوبی ورودی رودخانه ها به مخازن سدها را می توان به عنوان یکی از مهمترین چالش ها در فرآیند فرسایش و رسوبگذاری دانست.کاربرد روش های آزمایشگاهی، مدل های ریاضی و روش های تجربی از جمله روش های معمول برای بررسی رسوب گذاری مخازن و تعیین حجم مفید آن ها می باشد. لذا استفاده از روش شبکه های عصبی مصنوعی (ann) به عنوان یکی از روش های نوین مدلسازی در علوم مهندسی مورد توجه محققین قرار گرفته است. در این تحقیق رسوب ورودی به مخزن سد بارون ماکو با استفاده از مدل شبکه عصبی مصنوعی پرسپترون چندلایه (mlp ) موجود در نرم افزار متلب (matlab) پیش بینی گردیده و عملکرد مدل های پیش بینی شده به کمک معیارهای rmse و r^2 مورد ارزیابی قرار گرفته و با روش منحنی دبی سنجه رسوب (usbr) مقایسه گردیده است. همچنین به بررسی نحوه توزیع رسوب با استفاده از روش تجربی کاهش سطح پرداخته شده است. بر اساس نتایج بدست آمده مدل شبکه عصبی مصنوعی دو لایه با الگوریتم آموزشی لونبرگ مارکوات و تابع تحریک سیگموید با دقت بالاتری قادر به تخمین رسوب می باشد وهمچنین مشاهده گردید که بطور متوسط سالانه 1/67 میلیون متر مکعب به دلیل ورود رسوبات به مخزن سد بارون ماکو از حجم آن کاسته شده که با توجه به این مقدار رسوب ورودی، اقدام به توزیع رسوب با استفاده از روش کاهش سطح پرداخته و مشاهده گردید که بعد از 30 سال اگر هیچگونه عملیات رسوب زدایی انجام نگیرد سد عملا غیر قابل بهره برداری خواهد بود.