سدهای بزرگ حجم قابل توجهی از آب را در پشت خود ذخیره می‏کنند؛ از اینرو ایمنی و کنترل پایداری آن‏ها از جایگاهی وی‍ژه برخوردار است. کنترل ایمنی سدهای بزرگ بر اساس اندازه گیری برخی از مقادیر مهم خصوصیات رفتاری مانند تغییرمکان، تنش و کرنش بتن، نشتی و فشار وارده به تکیه گاه ها و فونداسیون می‏باشد که به وسیله ابزاردقیق نصب شده در سد و بازدید بصری از سازه سد قابل اندازه گیری است. تغییرات دما و فشار هیدرواستاتیک از مهمترین عواملی می‏باشند که بر روی سازه سد تاثیرگذار هستند؛ و باعث تغییرمکان هایی در تاج سد به سمت بالادست و پایین دست خواهند شد. بنابرین باید داده های بدست آمده از مرکز پایش مرتباً مورد ارزیابی قرار گیرد تا بتوان رفتار سد را تجزیه و تحلیل نمود. همانطور که گفته شد تغییرات هیدرواستاتیک فشار و درجه حرارت دو عامل اصلی هستند که در هنگام آنالیز سدهای بتنی مورد توجه قرار می‏گیرند. شبکه های عصبی مصنوعی یک ابزار پردازش اطلاعات می باشند که از سیستم های عصبی بیولوژیکی نظیر مغز انسان برای پردازش اطلاعات الهام گرفته اند. مهمترین مزیت این شبکه ها، ساختار نوین پردازشگر اطلاعاتی آنها می باشد. این سیستم متشکل از تعداد زیادی المان های متصل به هم (نورون ها) می باشد که به صورت متحد در زمینه حل مسائل مشخص بکار گرفته می شوند. یادگیری در شبکه های عصبی مصنوعی به مانند مغز انسان به کمک مثال صورت می پذیرد. یک شبکه عصبی مصنوعی برای یک کاربرد معین (مانند شناسایی یک الگوی مشخص و یا طبقه بندی اطلاعات) در طول پروسه یادگیری، طرح ریزی می شود. شبکه عصبی با در اختیار داشتن ترکیبات معینی از داده های ورودی و خروجی می تواند در جهت استخراج مشخصات و روابط بین داده ها آموزش ببیند. پس از طی پروسه آموزش، چنانچه داده های ورودی جدیدی به شبکه آموزش داده شود، شبکه قادر خواهد بود خروجی های مورد نظر را با دقت بالایی ارائه دهد. شبکه های عصبی به میزان زیادی غیرخطی بوده و می توانند اثر پیچیده متقابل متغیرهای ورودی و خروجی در یک سیستم را بدون داشتن دانش اولیه در ارتباط با طبیعت چنین اثراتی بدست دهند. شبکه های عصبی مصنوعی، یک روش عملی برای حل توابع با مقادیر حقیقی، گسسته و برداری با استفاده از مثال ها ارائه می دهند و بنابراین در بسیاری از کاربردهای مهندسی مورد استفاده قرار گرفته اند. در کاربردهای مهندسی، یک شبکه عصبی مصنوعی می تواند به عنوان یک نگاشت، عمل نماید و بردار ورودی را بر روی بردار خروجی بنگارد.با توجه به این موضوع در این مطالعه با استفاده از شبکه‏های عصبی مصنوعی مدلی برای پیش‏بینی تغییر مکان افقی تاج سد دز که تحت اثر تغییرات فشار و درجه حرارت ایجاد می‏شود، ارائه شده است. با توجه به نتایج مشاهده می‏شود که شبکه عصبی دارای عملکرد خوبی در پیش بینی مقادیر واقعی می باشد. این مساله نشان دهنده آن است که شبکه به خوبی آموزش دیده است. با استفاده از شبکه ایجاد شده، تغییرات تغییرمکان افقی در مقابل تراز آب مخزن برای درجه حرارت های مختلف بدست آمده، و بصورت نمودار ترسیم شده است. با استفاده از نمودارها به خوبی می‏توان رفتار سد دز را برای درجه حرارت های مختلف و تغییرات تراز آب مخزن، پیش‏بینی کرد؛ که این امر در زمینه پایش و نگهداری از این سد می‏تواند بسیار مفید باشد.