برآورد جریان های ساحلی در شرایط طوفانی یکی از مسایلی است که به علت پیچیدگی رفتار هیدرودینامیکی و همچنین سختی کار در برداشت داده ها تاکنون تحقیقات چندانی بر روی آن صورت نگرفته است و از اینرو ابهامات زیادی دارد بررسی چریان های ساحلی هنگام طوفان از آن جهت دارای اهمیت ویژه می باشد که ا کثر تغییرات در خطوط ساحلی و جابجایی رسوبات در این زمان رخ می دهد در سال های اخیر yamashita و همکارانشان با برداشت داده های طوفانی در بندر نااوتا اوگاتای ژاپن تحقیقات هدفداری بر روی این موضوع اجام داده اند و به نتایج جدیدی دست یافته اندکه مهمترین آنها وجود تاثیر قابل توجه باد بصورت مستقیم بر برخی جریان های ساحلی است که تا قبل از آن در نظر گرفته نمی شد ودر هیچک از فرمول های موجد فعلی نیز وجود ندارد در تحقیق حاضر در نوع شبکه عصبی mlpو rbf که از پرکاربردترین شبکه ها در مسایل تقریب توابع هستند برای براورد جریان های ساحلی در شرایط طوفانی استفاده شده و توانمندی های آن ها در مدلسازی این جریان ها در ساحل جوانسواوگاتا نشان داده شده است به گونه ای که این مدل ها توانسته اند نتایج معقولی در مناطق مختلف این سایت ارایه دهند .مدل های کلی ارایه شده نهایی نشان دادند که می توانند نواحی مختلف ساحلی را درک کرده و نیز در تمامی حالت های وزش باد جواب هایی با دقت قابل قبول داشته باشند بعد از دستیابی به مدل های نهایی اثر پارامترهای گوناگون بویژه بارامتر باد در نوحی مختلف سایت توسط دو آنالیز ضریب مشارکت عمومی و حساسیت بصورت کیفی و کمی تعینی گردید است.با وجود این پارامتر باد در این جریان نیز بی تاثیر نیست در خارج منطقه شکست درهنگام طوفان جریان کرانه ای بطور غالب متاثر از باد است و امواج تاثیر به مرابت کمتری بر این جریان ها دارند. مقایسه نتایج این تحقیق با بررسی های دیگری که قبلا توسط سیستم فازی عصبی که یکی دیگر از زیر شاخه های هوش مصنوعی می باشد انجام شده لزوم تحقیقات بیشتر و مدلسازی دقیق تر توسط سیستم فازی –عصبی رانشان داده است طی تحقیق حاضر علاوه بر کسب نتایح فیزیکی مربوط به هیدرودینامیک مناطق ساحلی روش ابداعی و جدیدی نیز در برآورده مشارکت پارامترهای ورودی در پارامترهای خروجی عصبی mlp توسط نگارنده ارایه گشته و عملکرد مناسب آن نشان داده شده است