پیش بینی ابعاد حفره آبشستگی از مسایل چالش برانگیز علم هیدرولیک محسوب می گردد از آنجاییک ه ساخت مدل فیزیکی مشکلات و محدودیت هایی به همراه دارد و معمولا در تعیین نگاشت میان پارامترهای موثر بر آبشستگی نمی توان اثر دقیق همه پارامترها را در نظر گرفت لذا در مقاله حاضر بهینه یابی ابعاد حفره آبشستگی ناشی از جت های ریزشی با استفاده از هوش مصنوعی مورد توجه قرار گرفته است در این راستا از داده های آزمایشگاهی حاصل از بررسی جت قائم عمومی متسغرق بر عمق آبشستگی استفاده شده است بررسی های آ»اری صورت گرفته نشان می دهد که حداکثر خطای حاصله در اثر استفاده از مدل شبکه عصبی مصنوعی در تخمین عمق حفره آبشستگی 1/55 درصد و حداکثر خطای مقدار نظیر بهنگام استفاده از معادله رگرسیون غیرخطی معادل 5/36 درصد می باشد از طرفی بین مقادیر ابعاد حفره ابشستگی پیش بینی شده توسط شبکه عصبی مصنوعی از ضریب همبستگی 0/98 برخوردار است.