پیش بینی بار معلق رسوبی به دلیل اثرات آن روی شاخص های کیفی آب، تقلیل گنجایش مخازن و تغییر در مورفولوژی رودخانه ها از اهمیت ویژه ای برخوردار است. لذا ارائه ی راهکارهای نوین جهت برآورد دقیق بار جامد یک رودخانه نقش مهمی در پیشبرد صحیح مطالعات مهندسی رودخانه و مدیریت صحیح یک حوزه ی آبریز خواهد داشت. به دلیل تأثیر پارامترهای مختلف بر انتقال رسوبات در رودخانه تعیین معادلات حاکم بر آن مشکل بوده و مدلهای کلاسیک ریاضی نیز در این راستا از دقت کافی برخوردار نیستند. در این پایان نامه از روش ماشین بردار پشتیبان (svm)به عنوان روش هوشمند و نیز روش برنامه ریزی بیان ژن به عنوان یک روش تکاملی برای تخمین بار معلق رسوبی یک رودخانه طبیعی در سه ایستگاه هیدرومتریک متوالی استفاده شده است و امکان ارتباط بین ایستگاهها مورد ارزیابی قرار گرفته است. بدین منظور از داده های هیدرولیکی یک رودخانه و بار جامد معلق اندازه گیری شده که از مراجع معتبر اخذ گردیده، برای تشکیل مدلهای ورودی استفاده شده است. مدلهای ورودی، مدلهای متعددی متشکل از دبی جریان و رسوب روزهای قبل می باشد که با استفاده از برنامه ریزی بیان ژن مدل برتر و ورودی های برتر شناسایی شده است. سپس از پیش بینی های برنامه ریزی ژنتیک به عنوان داده های برتر در سیستم svm استفاده شده و با ارزیابی نتایج، بهترین مدل انتخاب شده و در نهایت با مقایسه ی نتایج روشهای svm و gep کارایی آنها در برآورد بار معلق رسوبی بررسی می شود.