چکیده: تعیین بار رسوبات معلق رودخانه ها به دلیل تاثیرگذاری بر طراحی و مدیریت سازه های آبی، از جمله موارد مهم در مهندسی آب، هیدرولیک و محیط زیست به شمار می رود. تاکنون تلاش های گوناگونی در جهت برآورد دقیق بار رسوبات معلق صورت پذیرفته است. بیشتر این تلاش ها با برقراری رابطه بین دبی جریان و دبی رسوب، سعی در برآورد بار رسوب معلق داشته اند. اما این روش های متداول رگرسیونی دارای عدم قطعیت می باشند. از این رو، شماری از محققان به روش های هوشمند مانند شبکه عصبی مصنوعی، سیستم استنتاج تطبیقی- عصبی فازی و الگوریتم های تکاملی روی آورده اند. در پژوهش حاضر به منظور پیش بینی بار رسوب معلق ایستگاه های هیدرومتری جلوگیر و پای پل واقع در بالادست سد مخزنی کرخه، روش برنامه ریزی بیان ژن توسعه داده شد و نتایج با نتایج روش های منحنی سنجه رسوب و فائو مقایسه گردید. لذا اطلاعات دبی جریان، دبی رسوب و ارتفاع باران متناظر این دو ایستگاه متعلق به سال های 1390-1365 جمع آوری شد و مورد بررسی قرار گرفت. برای اجرای مدل برنامه ریزی بیان ژن دو سناریو در نظر گرفته شد. در سناریوی اول از اطلاعات دبی جریان و دبی رسوب ایستگاه-های هیدرومتری جلوگیر و پای پل استفاده شد و در سناریوی دوم علاوه بر آمار دبی جریان و دبی رسوب، از اطلاعات ارتفاع باران حوضه آبریز نیز استفاده گردید. نتایج نشان داد سناریوی دوم عملکرد بهتری در مقایسه با سناریوی اول داشته است. هم چنین، مقایسه نتایج اجرای مدل برنامه ریزی بیان ژن در بخش آزمون سناریوی دوم نشان داد که این روش نسبت به روش منحنی سنجه رسوب، میزان خطای RMSE و MAE را به مقدار 91%و 94% برای ایستگاه هیدرومتری جلوگیر و 60% و 71% برای ایستگاه هیدرومتری پای پل کاهش داده است. مقایسه نتایج بخش آزمون سناریوی مذکور با روش فائو نیز نشان دهنده کاهش خطای RMSE و MAE به میزان 92% و 96% برای ایستگاه هیدرومتری جلوگیر و 85% و 95% برای ایستگاه هیدرومتری پای پل می باشد.