رسوب حمل شده با جریان آب عامل مهمی در شکل‌گیری ساختار هندسی و خصوصیات ریخت‌شناسی رودخانه‌ها تلقی می‌شود. هر گونه کاهش و یا افزایش بار رسوبی رودخانه پیامدهای مختلفی از جمله وقوع پدیده کف‌کنی و یا ترازافزایی، تغییر دانه‌بندی مصالح و شکل سطح مقطع و نیمرخ طولی به‌ دنبال دارد. همچنین استفاده از منابع آب رودخانه‌ها نیاز به احداث سازه‌های کنترل جریان مثل سد، بند، کانال‌های انتقال و مانند آن است که طراحی و بهره‌برداری از آن‌ها آگاهی از میزان رسوب حمل شده را غیر‌ممکن می‌کند. پس گسترش شیوه‌های نوین تخمین رسوب که دارای سهولت کاربرد هستند و یا اینکه پژوهشگران را به سوی نتایج دقیق‌تر هدایت کنند، نقش مهمی را خواهد داشت. در این بررسی که روی ایستگاه پل یزدکان بر رودخانه قطورچای در استان آذربایجان غربی انجام‌ شده است، کارایی یک مدل ترکیبی موسوم به HAS (Hybrid of ANN and SRC) منتج از روش‌های شبکه عصبی مصنوعی (ANN) و منحنی سنجه رسوب (SRC) ارزیابی می‌گردد. در این بررسی، ابتدا کارایی هر یک از مدل‌های SRC و ANN بررسی شده و سپس مدل HAS بر اساس بهینه‌سازی نتایج SRC به کمک ANN با همان داده‌ها به کار گرفته شد. نتایج نشان از برتری مدل HAS نسبت به دو مدل دیگر بود، به‌ طوری‌که ریشه میانگین مربعات خطا در روش منحنی سنجه و شبکه عصبی مصنوعی به ترتیب برابر 238.305 و 262.028 (تن بر روز) و در مدل ترکیبی HAS به عدد 213.44 (تن بر روز) کاهش پیدا کرد.