علی رغم پیشرفتهای حاصل شده در طراحی تیرها و ستونهای یک قاب فولادی، عامل ضریب اطمینان هنوز بدرستی مشخص نمی باشد و دلیل این امر نامشخص بودن رفتار واقعی اتصالات در ساختمان های فولادی است . در سال های اخیر با توجه به افزایش امکانات نرم افزاری، تغییرات منطقی در نحوه بررسی اتصالات و طراحی سازه ها صورت گرفته است . سازه های جدید نسبت به ساختمان های گذشته دارای رفتار انعطاف پذیری هستند. تحقیقات انجام شده نشان می دهد که رابطه لنگر- دوران بیشتر اتصالات غیرخطی است . آنالیز یک قاب با روش سختی توسط کامپیوتر مستلزم شناخت درباره سختی اتصال است که این مطلب توسط منحنی لنگر- دوران اتصال معلوم می گردد. با مشخص شدن میزان گیرداری هر یک از انواع اتصالات می توان تحلیل سازه حاوی این نوع اتصالات را به عنوان قاب خمشی با اتصالات نیم صلب ،به صورت دقیق تر انجام داد. با پیدایش علم شبکه های عصبی مصنوعی و پیشرفت های حاصل تهیه یک نرم افزار برای مسئله ای که متغیرهای بسیاری در آن وجود دعرند، کاری عملی می باشد. شبکه های عصبی تا حدودی از مغز انسان الگوبرداری شده اند و همانطور که مغز انسان می تواند با استفاده از تجربیات قبلی و مسائل جدید را تحلیل و تجزیه نماید، شبکه های عصبی نیز در صورت آموزش قادرند بر مبنای اطلاعاتی که به ازای آنها آموزش داده شده اند جواب قابل قبول ارائه دهند. در این پایان نامه بر روی 100 نوع اتصال مختلف توسط نرم افزار nisa2 آنالیز غیرخطی انجام شده است و با استفاده از این نمونه ها شبکه های عصبی آموزش داده شده اند که با ارائه مشخصات و جزئیات اتصال به آنها می توان منحنی لنگر- دوران اتصال را پیش بینی کرد. انید با بکارگیری این ایده بتوان رفتار کلیه اتصالات موجود در سازه ها را بصورت کاملا واقعی مدل کرد و در پروسه تحلیل بکار گرفت .