یکی از مسائل مهمی که در مهندسی ژئوتکنیک به آن پرداخته می شود، مسئله مربوط به بررسی پایداری شیبهای طبیعی و ساخته شده می باشد. روشهای مختلفی برای بررسی پایداری شیبها موجود بوده که از مهمترین آنها می توان روشهای تعادل حدی و روشهای عددی را نام برد. یکی از روشهای دیگری که می توان از آن در بررسی پایداری شیبها بهره گرفت ، کاربرد روشهای مختلف هوش مصنوعی است . در این تحقیق از یک مدل شبکه عصبی مصنوعی به عنوان یک مدل رگرسیون غیرخطی که یکی از روشهای هوش مصنوعی به حساب می آید، برای بدست آوردن ضریب اطمینان حداقل روی دایره بحرانی استفاده شده است . مدل شبکه عصبی مصنوعی (anns) برای دیواره های رودخانه که در آن سطح آب به صورت افقی در نظر گرفته شده ارائه می گردد. h ارتفاع شیب ، m کتانژانت زاویه شیب ، hl ارتفاع سطح آب از کف رودخانه t وزن مخصوص مرطوب خاک بالای سطح آب sat وزن مخصوص اشباع خاک زیر سطح آب برحسب درجه به عنوان ورودی به شبکه اعمال می شوند و مقادیر شعاع دایره بحرانی و مختصات مرکز دایره بحرانی و ضریب اطمینان حداقل روی دایره بحرانی به عنوان خروجی های شبکه می باشند. اطلاعات لازم جهت بدست آوردن مدل بهینه از برنامه ca2 استخراج شده است . در بدست آورد این اطلاعات محدوده تغییرات پارامترهای ورودی به صورت زیر در نظر گرفته شده اند: h از 4 الی 13 متر، m از 0.3 الی 1.5، hl از صفر الی 1 متر پائین تر از بالای شیب ، t از 1500 الی 1800 کلیوگرم بر مترمکعب و sat از 1700 الی 2000 کیلوگرم بر مترمکعب و c از 500 الی 2500 کیلوگرم بر مترمربع و از 10 الی 24 درجه. در ابتدا نتایج حاصل از برنامه های ca2 و stable با هم مقایسه شده است ، بطوریکه ضریب اطمینان بدست آمده از برنامه stable حدودا 10 درصد کمتر از ضریب اطمینان حاصل از برنامه ca2 بدست آمده است . همچنین نتایج حاصل از مدل شبکه عصبی (anns) با نتایج حاصل از دو برنامه دیگر مقایسه گردید، بطوریکه در اکثر موارد سطوح لغزش نزدیک به یکدیگر بوده و در بعضی از موارد دیگر سطوح لغزش حاصل از مدل شبکه عصبی بزرگتر از سطح لغزش حاصل از دو برنامه دیگر بدست آمده است . همچنین ضریب اطمینان حاصل از مدل شبکه عصبی حدود 10 درصد - 8 درصد بیشتر از برنامه ca2 و 18 درصد - 15 درصد بیشتر از برنامه stable می باشد.