از اهم مسائلی که در طراحی هر سازه در نظر گرفته می شود نیروهای وارد بر سازه می باشد. یک سازه دریایی علاوه بر تحمل بارهای مرده در معرض نیروهای ناشی از امواج و جریان های دریایی نیز می باشد. لذا درک کامل این نیروها و اثرات آن بر روی سازه های دریایی از مهمترین مسائل علوم دریایی می باشد. تا کنون فعالیت های تحقیقاتی زیادی اعم از تجربیات آزمایشگاهی، مشاهدات میدانی، روش های عددی و روش های تحلیلی و نظری در مورد نیروی امواج انجام شده است. یکی از روش های عددی محاسبه ضرایب نیروی ناشی از امواج استفاده از تئوری پراش می باشد. در این تئوری با فرض جریان پتانسیل و توزیع نقاط منفرد بر روی سطح جسم به محاسبه ضرایب نیرو و گشتاور وارد بر آن پرداخته می شود. مهمترین بخش در استفاده از تئوری پراش محاسبه تابع گرین می باشد. این تابع که وظیفه ارضای شرایط مرزی از قبیل سطح آزاد، بستر دریا و شرط تشعشع را بر عهده دارد تابعی بسیار پیچیده بوده و زمان زیادی از محاسبات را بخود اختصاص می دهد. از طرف دیگر در سالیان اخیر شاهد تحقیقاتی نسبتا وسیع در زمینه پردازش اطلاعات در مواردی که رابطه ای فیزیکی بین داده ها وجود ندارد و یا محاسبه این رابطه براحتی امکان پذیر نیست بوده ایم. نمونه ای از این تحقیقات، مدل سازی مغز انسان می باشد. این مدل که به شبکه های عصبی معروف هستند با توجه به ساختار منحصر بفرد خود دارای قابلیت های مختلفی از قبیل تخمین تابع، شناسایی الگو و دسته بندی می باشند. تخمین توابع پیچیده و غیر خطی در کمترین زمان ممکن از جمله پرکاربردترین قابلیت شبکه های عصبی در علوم مهندسی می باشد. در این پایان نامه سعی داریم از شبکه های عصبی در تخمین تابع گرین استفاده کرده تا بتوانیم زمان انجام محاسبات را تا حد قابل قبولی کاهش دهیم. برای این منظور از دو گونه شبکه عصبی بنام های شبکه های چند لایه و شبکه های پایه شعاعی استفاده شده است. استفاده از شبکه های عصبی مستلزم آن است که این شبکه ها ابتدا تحت آموزش قرار گیرند. آموزش در شبکه های عصبی بدین معنی است که ابتدا یک سری ورودی و خروجی مطلوب به شبکه داده می شود سپس شبکه با استفاده از این داده ها متغیر های داخلی خود را بگونه ای تنظیم می کند که کمترین خطا بین خروجی مطلوب و خروجی شبکه وجود داشته باشد. در این پایان نامه پس از آموزش شبکه های عصبی گوناگون و بمنظور بررسی میزان خطای پیش بینی شبکه های عصبی و مقایسه مدت زمان اجرای برنامه، سه هندسه سیلندر عمودی، دیسک شناور و یک بویه اقیانوس شناسی تحت بررسی قرار گرفت. ضرایب نیرو و گشتاور وارد بر این هندسه ها یک بار بدون استفاده از شبکه عصبی و بار دیگر با استفاده از این شبکه محاسبه گردید. نتایج نشان می دهد در صورتی که شبکه های عصبی بدرستی آموزش داده شوند می توانند ضرایب نیرو و گشتاور را با دقت بالایی پیش بینی کنند و مدت زمان اجرای برنامه را تا چندین برابر کاهش دهند. با مقایسه شبکه های پرسپترون و پایه شعاعی می توان گفت دقت شبکه های پایه شعاعی بیشتر می باشد اما مدت زمان پاسخگویی آن ها نیز بیشتر از شبکه های چندلایه می باشد.