شبیه سازی و ارزیابی آورد رسوب رودخانه ها از جمله مسائل مهم و کاربردی در مدیریت منابع آب می باشد. بررسی روابط تجربی و معادلات ریاضی ارائه شده نشان می دهد که هنوز روش تحلیلی یا تجربی مناسبی که بتوان بر اساس آن به برآورد درستی از میزان رسوبات حمل شده توسط رودخانه ها دست یافت، ارائه نشده است. در این پژوهش به منظور مدلسازی رسوب معلق روزانه از شبکه عصبی مصنوعی و روش منحنی سنجه ی رسوب استفاده شده است. این پژوهش با هدف ارزیابی کارایی شبکه های عصبی مصنوعی در پیش بینی رسوب معلق انجام گرفته است. بنابراین با استفاده از دادههای رسوب معلق در ایستگاه های هیدرومتری کوه سوخته، سولگان، بهشت آباد و ارمند بر روی رودخانه کارون شمالی در استان چهار محال و بختیاری با در نظر گرفتن دبی جریان به عنوان ورودی در محیط matlab دبی رسوب به عنوان خروجی پیش بینی گردیده است. سپس با استفاده از معیارهای آماری شاخص مربعات خطا، ضریب ناش، ضریب تبیین و درصد اریبی نسبی، و میانگین درصد خطای مطلق نتایج شبکه عصبی با منحنی سنجه مقایسه شد. بر اساس نتایج، شبکه عصبی مصنوعی نتایج قابل قبولی را جهت شبیه سازی بار معلق در ایستگاه های مورد مطالعه به دست آورده است و در مقایسه با منحنی سنجه رسوب از دقت بالاتری برخوردار است. البته شبکه عصبی نقاط اوج را به درستی پیش بینی نمی کند که از نقاط ضعف شبکه عصبی به شمار می رود.