با نظر به مطالعات متعدد در مورد سازه های فراساحلی که در اغلب موارد متشکل از اعضای استوانه-ای هستند، طراحی این اعضا تحت امواج تصادفی لاجرم یکی از مباحث بسیار مهم می باشد. نیروهای اعمال شده بر اعضای این نوع سازه می تواند به دو دسته عمده تقسیم شوند. دسته اول که در راستای انتشار موج عمل می کنند موسوم به نیروهای طولی می باشند و دسته دوم نیروهای عرضی هستند که راستای عملکرد آن ها عمود بر نیروهای طولی می باشد. از آنجایی که نیروهای طولی بزرگتر از نیروهای عرضی هستند در انواع تحلیل ها و روش های طراحی بسیار مدنظر قرار می گیرند. رابطه موریسون از جمله روش های محاسباتی دقیق جهت دستیابی به این نیرو است که لازمه بکارگیری آن دستیابی به ضرایبی همچون اینرسی و پسآ می باشد. انتخاب شیوه مناسب جهت دستیابی به این ضرایب برای داده های تعیین شده در کنار حفظ شرایط محیطی حاکمه یکی از مواردی است که از اهمیت بسزایی برخوردار می باشد. بنابراین به منظور ترکیب محاسبات مبتنی بر داده ها و درک عوامل موثر بر نیروهای هیدرودینامیکی اعم از نیروهای طولی و عرضی، و به منظور رهایی از امر تعیین ضرایب متعدد و محاسبات فراوان، رویکرد های مبتنی بر شبکه مصنوعی عصبی می تواند به سبب ایجاد و گسترش رابطه بین این نیروها و سایر پارامترهای تأثیرگذار به کار گرفته شود. در کنار روش شبکه های عصبی، شبکه های موجک و در شرایطی خاص شبکه های ویونت از جمله روش های توانمند جهت دستیابی به این اهداف می باشند. در این تحقیق با مد نظر قرار دادن نحوه استقرار شبکه استاندارد عصبی به همراه شیوه های مختلف آموزش آن و به کار گیری روشی ویژه، به ساخت حالت خاصی از شبکه موجک تحت عنوان ویونت پرداخته شده و در مرحله بعد نتایج حاصل از این روند با نتایج منتجه از به کارگیری مناسب ترین شبکه های عصبی و حالت کاربردی رابطه موریسون مقایسه گردیده است. نتایج عددی بیانگر توانایی بالای هر دو مورد شبکه های عصبی و ویونت در پیش بینی نیروهای طولی هیدرودینامیکی می باشد. بعلاوه چنین برداشت می شود که روش پیشنهادی حاصل از ترکیب مفاهیم شبکه عصبی و تئوری موجک تحت عنوان ویونت، توانسته است نتایج مناسب تری را نسبت به شبکه عصبی استاندارد و متعاقباً سایر روش های کاربردی و محاسباتی برای داده های جدید ارائه نماید که حاکی از کاریی بالای آن در امر تخمین این نیرو ها می باشد.