آبشکن ها سازه هایی هستند که در عرض رودخانه ها و از طرف ساحل به سمت محور رودخانه جهت کنترل فرسایش جداره های رودخانه احداث می شوند. آبشکن ها با هدایت جریان به سمت محور رودخانه از ایجاد جریان قوی در اطراف ساحل جلوگیری کرده و مانع فرسایش ساحل رودخانه می گردند، اما از آنجایی که الگوی جدید جریان در اطراف آبشکن شکل می گیرد، باعث آبشستگی اطراف آبشکن و سپس تخریب سازه می شود؛ خصوصا در نوک آن به علت بروز پدیده آبشستگی شدید ناشی از حمله دائمی جریان، تخریب های عمده ای مشاهده گردیده است لذا عمده ترین پارامتر طراحی، طراحی حداکثر عمق آبشستگی موضعی اطراف این سازه ها می باشد که حل این مسئله مستلزم دانش کافی طراح از مکانیزم، میزان و نحوه آبشستگی در این نوع سازه می باشد. در طی سال های گذشته محققین زیادی آزمایشات تجربی روی این سازه ها انجام داده اند و روابط گوناگونی را برای محاسبه این عمق ارائه کردند که برای بررسی نحوه برآورد این روابط، داده های آزمایشگاهی محققین مختلف جمع آوری و سپس با استفاده از این داده ها، عمق آبشستگی حداکثر با روابط این محققین محاسبه و با عمق اندازه گیری شده مقایسه گردید. از آنجایی که هر یک از روابط مقادیر مختلفی برای آبشکن ارائه می دهد، بررسی مجدد داده ها امری ضروری به نظر می رسد. در این پایان نامه، توانایی شبکه عصبی در برآورد میزان حداکثر عمق آبشستگی حول آبشکن بررسی می شود، شبکه عصبی مصنوعی عملکردی شبیه مغز انسان دارد که برای تصمیم دقیق روابط میان داده ها نیازمند آموزش با داده های با دامنه وسیع دارد که بیش از 400 سری داده در این شبکه استفاده شد و مجموعه داده ها شامل آبشکن های دیواره قائم، پره ای و جداره شیبدار و سایر متغیرهای اثرگذار بر روی آبشستگی می باشد. در آخر با مقایسه روابط محققین پیشین با شبکه عصبی شاهد برتری پیش بینی شبکه عصبی در مقابل دیگر روابط تجربی از لحاظ قدرت ، سرعت و هزینه خواهیم بود.