برآورد صحیح حجم رسوبات معلق در رودخانه ها، یکی از مهمترین مسائل در پروژه های مهندسی رودخانه، منابع آب و محیط زیست می باشد. رودخانه هیرمند مهمترین منبع تامین آب دشت سیستان به طول تقریبی 1070 کیلومتر از کوههای بابا یغما در افغانستان سرچشمه می گیرد. رودخانه سیستان شاخه اصلی منشعب از رودخانه هیرمند بوده که وظیفه آبیاری 70 درصد زمین های کشاورزی دشت سیستان و همچنین تامین بخشی از آب هامون هیرمند را به عهده دارد. با توجه به مشکلات زیاد ناشی از رسوبات در رودخانه ها، محققین علم رسوب تلاش های زیادی به منظور دستیابی به روابط انتقال رسوب بر اساس مطالعات آزمایشگاهی و میدانی انجام داده اند. بدلیل کثرت پارامترهای دخیل در انتقال رسوبات و همچنین پیچیدگی فرآیند فرسایش و انتقال ذرات، اکثر روابط رسوب نیاز به حل معادلات پیچیده ریاضی داشته و نتیجه دقیقی نمی دهند، از سوی دیگر روابط رگرسیونی مابین دبی آب و دبی رسوب نیز دارای ضریب همبستگی مطلوبی نمی باشند. در سال های اخیر استفاده از سیستم های هوشمند در راستای افزایش دقت برآورد میزان رسوبات رودخانه مرسوم گردیده است. در این تحقیق از روابط تجربی انتقال رسوب و سیستم های هوشمند شامل شبکه های عصبی مصنوعی، سیستم استنتاج تطبیقی عصبی- فازی و برنامه ریزی بیان ژن به منظور پیش بینی بار معلق رسوب رودخانه سیستان استفاده گردید. در بین روابط تجربی روش توفالتی با مقدار خطای جذر میانگین مربعات80/66557 و ضریب تبیین 705/0 بهترین نتیجه را دارد. روش های هوشمند با تفاوت فاحشی بهتر از روابط تجربی بار معلق رسوب را برآورد می نمایند. در بین روش های هوش مصنوعی سناریوی سوم سیستم استنتاج تطبیقی عصبی- فازی با مقدار خطای جذر میانگین مربعات 001/0 و ضریب تبیین 99/0 بهترین نتیجه را در برآورد بار معلق رسوب دارد. همچنین بین نتایج روش های هوشمند اختلاف معنی داری در سطح 95% وجود نداشته و با توجه به مقادیر خطا هر سه روش از دقت بالایی برخوردارند. بنابراین پیشنهاد می گردد برآورد بار معلق رسوب رودخانه سیستان با استفاده از روش های هوش مصنوعی انجام شود.