انتقال رسوب و رسوبگذاری، پـیآمـدهایی چـون ایجـاد جزایـر رسـوبی در مـسیر رودخانه و در نتیجه کاهش ظرفیت انتقال جریانهای سی?بی، خوردگی تأسیسات سـازههـای رودخانـهای و مشک?ت دیگر را دربر دارد. همچنین رسوبات معلق کیفیت آب را برای مصارف بشری تحت تأثیر قرار می دهد. بنـابراین، در هیـدرولیک رودخانـه و ژئومورفولوژی آن، بررسی ظرفیت حمل رسوب جریان و مکانیسم انتقال رسـوب از اهمیـت ویـژه ای برخوردار است. رویکردهای متداول اغلب بر پایه فرضیات ایده آل بوده و قادر به ارائه نتایج قابل قبولی از برآورد نرخ انتقال رسوبات بستر نیستند. در این پایان نامه کوشش بر این است که یک روش جامع و دقیق را با بهره گیری از دانش هوش مصنوعی بر روی مسائل پیش بینی و برآورد رسوب پیاده کرد. از دو روش به نام های حداقل مربعات رگرسیون بردار پشتیبان و الگوریتم بهینه سازی اجتماع ذرات بهره جسته تا بتوان نرخ انتقال رسوبات بستر در آبراهه ها را با دقت به مراتب بالاتری نسبت به روش های متداولی از قبیل روش ایکرز و وایت، انجلاند و هانزن، گراف و یانگ تخمین زد. رویکرد ماشین بردار پشتیبان بر مبنای تئوری بهینه سازی مقید بوده و از اصل کمینه سازی خطای ساختاری استفاده کرده که منجر به یک جواب بهینه کلی می گردد. الگوریتم بهینه سازی اجتماع ذرات در مقوله روش های فراکاوشی جای داشته و از نظم موجود در رفتار جمعی پرندگان جهت جست وجوی غذا ایده گرفته شده است. نتایج حاصل از پیاده سازی مدل حداقل مربعات رگرسیون بردار پشتیبان بر روی مجموعه ای از داده های آزمایشگاهی و میدانی در مقایسه با رویکردهای متداول به مراتب بهتر بوده است. سپس جهت بهبود بهتر مدل، متغیرهای ورودی به صورت لگاریتمی مقیاس شدند و از بروز مقادیر غلظت منفی در مدل جلوگیری به عمل آمد و نتایج نیز نسبتاً مورد بهبود واقع شدند. نتایج حاصل از الگوریتم بهینه سازی اجتماع ذرات به نسبت رویکردهای متداول رضایت بخش بوده ولی عملکرد مدل حداقل مربعات ماشین بردار پشتیبان رضایت بخش تر است و رگرسیون بردار پشتیبان می-تواند یک روش جامع و دقیق را در جهت شبیه سازی نرخ انتقال رسوبات بستر ارائه دهد.