چکیده: مطالعه حاضر به بررسی مدل های شبکه عصبی مصنوعی، سیستم استنتاج فازی- عصبی و منحنی سنجه رسوب برای مدلسازی بار معلق رسوب پرداخته است. در شبکه عصبی مصنوعی از روش پس انتشار و در سیستم استنتاج فازی- عصبی از سیستم استنتاج سوگنو استفاده شده است. در مدل های آموزش داده شده از داده های دبی جریان، اشل، دمای آب و غلظت رسوب معلق مربوط به ایستگاه سیرا واقع بر روی رودخانه کرج استفاده شده است. نتایج تخمین های حاصل از سیستم استنتاج فازی- عصبی و شبکه عصبی مصنوعی یا روش منحنی سنجه رسوب مقایسه شده است. شاخص های آماری ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا به عنوان معیارهای ارزیابی مدل ها مورد استفاده قرار گرفتند. نتایج به دست آمده نشان می دهند که غلظت بار معلق رسوب حاصل از مدل های شبکه عصبی مصنوعی و سیستم استنتاج فازی- عصبی به داده های واقعی غلظت رسوب نزدیک تر هستند زیرا ضریب همبستگی حاصل از سیستم استنتاج فازی- عصبی 56/94% می باشد این در حالی است که ضریب همبستگی برای مدل های شبکه عصبی مصنوعی و منحنی سنجه رسوب به ترتیب 25/92% و 01/85% می باشد. بنابراین شبکه عصبی مصنوعی و سیستم استنتاج فازی- عصبی نتایج بهتری از منحنی سنجه رسوب نشان می دهتد.. به طورکلی نتایج نشان می دهند که مدل سیستم استنتاج فازی- عصبی کارایی بهتری در پیش بینی بار معلق رسوب دارد.