چکیده: تعیین بار رسوبات معلق رودخانه ها ازجمله مهم ترین موارد در مهندسی آب، هیدرولیک و محیط زیست به شمار می رود. لذا تأثیر زیادی بر طراحی و مدیریت سازه های آبی دارد. ازجمله مشکلات ناشی از فرسایش و رسوب گذاری، از بین رفتن اراضی حاصل از کشاورزی، پر شدن مخازن سدها و کانال های آبیاری است. اندازه گیری دائمی دبی جریان کاری مشکل و وقت گیر است. این کار در مواقع سیلابی سخت تر می شود. لذا با برقراری رابطه دبی – اشل می توان دبی جریان رودخانه را تخمین زد. تاکنون تلاش های مختلف و فراوانی برای پیش بینی دقیق بار رسوبات معلق صورت گرفته است. اکثر این تلاش ها با برقراری رابطه بین دبی رسوب و دبی جریان، برای برآورد دبی رسوب صورت گرفته است. اما این روش های متداول رگرسیونی مانند منحنی سنجه رسوب و فائو دارای عدم قطعیت می باشند. ازاین رو، بسیاری از محققان به روش های هوشمند مانند شبکه عصبی مصنوعی، سیستم استنتاج تطبیقی- عصبی فازی و الگوریتم های تکاملی روی آورده اند. در تحقیق حاضر به منظور پیش بینی دبی رسوب معلق و دبی جریان ایستگاه هیدرومتری کره-سنگ آمل واقع بر رودخانه هراز، روش های برنامه ریزی بیان ژن و MARS توسعه داده شد و نتایج با نتایج روش های منحنی سنجه رسوب، فائو و رگرسیون خطی مقایسه گردید. برای ورودی مدل ها از اطلاعات دبی جریان، ارتفاع سطح آب و دبی رسوب این ایستگاه، متعلق به سال های 1392-1343 جمع آوری شد و مورد بررسی قرار گرفت. پژوهش حاضر در دو بخش انجام شد. در بخش اول اطلاعات دبی جریان، ارتفاع سطح آب و دبی رسوب به عنوان ورودی برای پیش بینی دبی رسوب به مدل ها معرفی شدند. در بخش دوم اطلاعات دبی جریان و ارتفاع سطح آب به عنوان ورودی مدل ها معرفی شدند و رابطه بین دبی جریان و ارتفاع سطح آب برقرار شد. با مقایسه ای که بین نتایج به‌دست‌آمده صورت گرفت، بررسی پارامترهای آماری شامل ضریب همبستگی (R2)، ریشه میانگین مربعات خطا (RMSE) و متوسط میانگین خطا(MAE) مشخص شد که روش برنامه ریزی بیان ژن و MARS نسبت به روش های دیگر برای پیش-بینی برتری قابل توجهی داشته اند. هم چنین از بررسی نتایج مشخص شد که روش MARS در بخش اول و دوم در مرحله آموزش بهترین عملکرد و روش برنامه ریزی بیان ژن در مرحله آزمون بهترین عملکرد را ارائه کردند.