نشست غیرقابل پیش بینی سدهای خاکی پژوهشگران را بر آن داشته تا روش های نوین نظیر شبکه عصبی مصنوعی، تئوری موجک، منطق فازی و ترکیبی از این روش ها مورد توجه آنها قرار گیرد. در این پژوهش با استفاده از روش های هوش مصنوعی مقدار نشست تاج در سدهای سنگریزه ای با هسته مرکزی تخمین زده شده است. در این پژوهش از داده های 35 سد سنگریزه ای با هسته مرکزی برای آموزش و صحت سنجی مدل ها استفاده شد. شبکه عصبی مصنوعی، مدل ترکیب تبدیل موجک و شبکه عصبی مصنوعی و سیستم استنتاج تطبیقی فازی- عصبی مدل های پیشنهادی ارائه شده در این پژوهش هستند. بر اساس نتایج حاصل در مطالعه حاضر، بهترین مدل برای شبکه عصبی مصنوعی با دو لایه مخفی که لایه اول 18 نورون و لایه دوم 7 نورون و با تابع فعال ساز Tansig-Tansig، با ضریب تعیین R2=0.4969، برای مدل سیستم استنتاج فازی- عصبی، تابع حلقوی (Dsigmoid) به عنوان تابع عضویت، با 3 تابع عضویت و تعداد 142 تکرار با ضریب تعیین R2=0.2860، بهترین مدل و همچنین برای ترکیب تبدیل موجک- شبکه عصبی با تابع موجک coif2 به دلیل انطباق بیشتر این تابع با متغیرهای ورودی، عملکرد بهتری داشته و این تابع با ضریب تعیین R2=0.9447، دارای بیشترین دقت نسبت به سایر مدل ها است.
