مقطع عرضی اکثر جریانهای طبیعی یا رودخانه ها مانند یک کانال مرکب بوده که این مقاطع معمولاً شامل یک کانال اصلی به همراه یک یا دو پهنه سیلابی است. رودخانه ها در طی سال های زیاد و تحت جریان های سیلابی و غیر سیلابی متعددی به هندسه هیدرولیکی نسبتاً پایداری رسیده اند و در اثر تغییرات شدت جریان و رسوب، شیب، عمق و عرض خود را به گونه ای تغییر داده و تنظیم می نمایند تا به حالت جدیدی از پایداری دینامیکی برسند. طراحی مناسب کانالها و بهینه سازی مقطع رودخانه ها یکی از پیچیده ترین و مهمترین مبانی مهندسی رودخانه است که به دلیل پیچیدگی و دینامیکی بودن پدیده از معیارهای تجربی، نیمه تجربی و آماری که دقت مطلوبی ندارند برای طراحی و تعیین ابعاد کانالهای پایدار رژیمی استفاده می شود. در این تحقیق مدلی جدید بر اساس سیستم شبکه های عصبی مصنوعی با استفاده از داده های صحرایی وسیعی آموزش داده و آزمایش شده است. ضرایب همبستگی بهترین مدل های شبکه عصبی مصنوعی در مرحله آزمایش برای سه پارامتر عرض، عمق و شیب به ترتیب برابر 9420/0، 9410/0 و 8897/0 و مقادیر میانگین قدر مطلق خطاهای نسبی آن ها به ترتیب 31/19، 11/27، 22/74 درصد می باشد. همچنین برای اثبات کارایی مدل های شبکه عصبی مصنوعی بررسی و ارزیابی معادلات تجربی و نیمه تجربی تعیین ابعاد کانال ها و رودخانه های پایدار انجام شده است که معادلات بلنچ و چانگ به ترتیب با ضرایب همبستگی 8354/0 و 8753/0 و میانگین قدر مطلق خطاهای نسبی 29/36 و 35/37 درصد در تخمین پارامتر عرض، معادله بلنچ با ضریب همبستگی 9066/0 و میانگین قدر مطلق خطاهای نسبی 19/27 در تخمین پارامتر عمق و معادله لیسی با ضریب همبستگی 3999/0 و میانگین قدر مطلق خطاهای نسبی 19/56 در تخمین پارامتر شیب نسبت به دیگر معادلات عملکرد بهتری داشته اند. پس از مقایسه نتایج حاصل از مدل های شبکه عصبی مصنوعی با نتایج حاصل از معادلات تجربی و نیمه تجربی، ارجحیت متدولوژی مطرح شده بر روش های تجربی سابق تأیید شده است.