رسوب معلق به عنوان یکی از اجزای مهم عملکرد هیدرولوژیکی، ژئومرفولوژیکی و اکولوژیکی حوضه های آبخیز و عامل اصلی کاهش کیفیت آب رودخانه ها شناخته شده است. ارزیابی و پیش بینی حجم رسوبات معلق به منظور اجرای برنامه های حفاظت خاک و کاهش رسوب زایی و همچنین محاسبه و طراحی دقیق حجم سدهای رسوب گیر و مخزنی و به طورکلی در زمینه پایداری منابع آبی و مدیریت محیط زیست ضرورت دارد. تعیین بار رسوبی رودخانه مستلزم تهیه داده های آماری و انجام اندازه گیری های میدانی و تهیه اطلاعات پایه ای مرتبط با سامانه ی رودخانه ای و حوضه آبخیز آن می باشد که این امر در همه مکان ها میسر نمی باشد. در این شرایط استفاده از روش هایی که بتوان به طور غیرمستقیم میزان رسوب را برآورد نمود، مدیریت رسوب و منابع آبی را بهبود خواهد داد. این پژوهش، توانایی مدل ماشین بردار پشتیبان را برای پیش بینی بار رسوب معلق روزانه در سه رودخانه می سی سی پی،میسوری و ریوگراند، بررسی می کند. بدین منظور آمار 18 ساله (1998-2016) برای پیش بینی بار رسوب استفاده گردید. دبی روزانه رودخانه بعنوان ورودی مدل و بار رسوب معلق به عنوان خروجی مدل تعریف شدند. مقدار دقیق پارامترهای مدل SVM تأثیر زیادی در دقت پیش بینی بار رسوب معلق دارد. لذا در پژوهش حاضر به منظور افزایش دقت پیش بینی بار رسوب معلق رودخانه، به ترکیب الگوریتم بهینه سازی ازدحام ذرات و مدل SVM جهت تعیین مقادیر بهینه پارامترهای SVM پرداخته شده است. همچنین از مدل ترکیبی SVM-SA-Simplex برای شبیه سازی و پیش بینی بار رسوب معلق استفاده شده است. در بین سه رودخانه مذکور، نتایج اجرای همه مدل ها نشان دهنده عملکرد بهتر آن ها بر روی داده های رودخانه می سی سی پی است. در پیش بینی رسوب معلق در هر سه رودخانه، مدل SVM-SA-Simplex بهترین عملکرد را نشان داد و پس از آن در دو رودخانه می سی سی پی و ریوگراند به ترتیب ابتدا مدل SVMو سپس مدلSVM-PSO از عملکرد مناسبی برخوردار بودند. اما در رودخانه میسوری مدل های SVM-PSO وSVM به ترتیب در رتبه دوم و سوم عملکرد قرار گرفتند.
