Los ríos juegan un papel importante dentro de los ecosistemas y la sociedad, incluyendo usos domésticos, industriales y agrícolas, y en la generación de energía. La previsión del rendimiento de sedimentos en suspensión (SSY) es fundamental para el diseño, gestión, planificación y prevención de desastres en sistemas de cuencas fluviales. Es difícil prever el SSY utilizando métodos convencionales porque estos enfoques no pueden manejar la no estacionariedad y no linealidad complicadas. Las técnicas de inteligencia artificial han ganado popularidad en recursos hídricos debido a la resolución de problemas complejos de SSY. En este estudio, se desarrolló un modelo de pronóstico totalmente automatizado basado en una red neuronal artificial (ANN) inteligente híbrida única generalizada con algoritmo genético (GA) utilizando datos de descarga de agua, temperatura, precipitación, SSY, tipo de roca, relieve y área de captación de once estaciones de medición para pronosticar el SSY. Se aplicó en estaciones de medición individuales para el pronóstico de SSY en el río Mahanadi, que es uno de los ríos peninsulares más grandes de la India. Todos los parámetros de la ANN se optimizan automáticamente y simultáneamente utilizando el GA. Se aplicó el algoritmo multiobjetivo para optimizar las dos funciones objetivo conflictivas (varianza de error y sesgo). La función objetivo de error cuadrático medio se consideró para el modelo de optimización de objetivo único. Se compararon entre sí los modelos de ANN basados en GA de objetivo único y multiobjetivo, modelos autorregresivos y autorregresivos multivariados. Se encontró que el modelo de ANN basado en GA de objetivo único proporcionó la mejor precisión entre todos los modelos comparativos, y es el sustituto más adecuado para pronosticar el SSY. Si la medición de SSY no está disponible, entonces se pueden recomendar enfoques de modelado de ANN basados en GA de objetivo único para pronosticar SSY debido al rendimiento comparativamente superior y la simplicidad de implementación.