پیشبینی دقیق انتقال رسوب معلق برای مبحث پایداری مهندسی رودخانه از اهمیت بسزایی برخوردار است. به عنوان یک واقعیت مهندسی، انتقال بار رسوب به دلیل دخالت متغیرهای هیدرولوژیکی مختلفی نظیر دبی رودخانه و سایر عوامل، پدیدهای بسیار تصادفی، با توزیع فضایی و دارای الگویی با افزونگی ذاتی است. هدف این مطالعه، بررسی امکانسنجی یک مدل هوشمند جدید موسوم به مدل درختی M5 با پایه تابع شعاعی (RM5Tree) برای پیشبینی بار رسوب معلق با استفاده از دادههای روزانه در ایستگاه هواشناسی ترنتون، واقع در رودخانه دلاور (آمریکا) است. بدین منظور ترکیبهای متعددی از مشخصههای ورودی بر اساس اطلاعات پیشین رسوب و دبی جریان رودخانه تعریف شدهاند. دقت پیشبینی مدل پیشنهادی، بر اساس ارزیابیهای آماری و نمایشهای گرافیکی، در مقایسه با چندین مدل پیشبین شناختهشده از جمله روش شبکه عصبی مصنوعی و مدل کلاسیک مبتنی بر درخت M5 اعتبارسنجی شده است. ترکیب بهینه مشخصههای ورودی شامل اطلاعات دبی و رسوب (با دو ماه زمان انتظار) است. نتایج بهدستآمده از مقادیر ریشه میانگین مربعات خطا (تن در روز 2091 RMSE≈) و ضریب تعیین (0.86R2≈)، دقت پیشبینی قابلتوجه مدل پیشنهادی RM5Tree را نشان می دهد.
