تنش برشی به عنوان مهم ترین پارامتر موثر در رفتار رودخانه می باشد. توزیع تنش برشی به هندسه مقطع، سلول های جریان ثانویه و توزیع زبری بستگی دارد. روش های زیادی برای تخمین تنش برشی ارائه گردیده است. این روش ها شامل روش های تجربی و آنالیتیکی می باشند. برخی از روش ها تنش برشی موضعی، برخی دیگر تنش برشی متوسط و برخی درصد نیروی برشی وارد بر جداره ها یا بستر را محاسبه می کنند. در این تحقیق از شبکه های عصبی مصنوعی برای تخمین تنش برشی موضعی استفاده گردیده است. برای این منظور، برخی از داده های آزمایشگاهی مربوط به تنش برشی موضعی ارائه شده در قالات بین سال های 1960 تا 2009 جمع آوری گردید. این داده ها برای مقاطع مختلف از جمله دایره ای، مثلثی، ذوزنقه ای، مستطیلی، سیلاب دشتی متقارن و نامتقارن می باشد. این مقاطع به صورت صاف یا زبر با توزیع زبریی همگن و غیر همگن می باشد. پس از جمع آوری داده ها، از برنامه نویسی در محیط مطلب برای ایجاد مدل ها استفاده گردید. برای ایجاد مدل ها از توابع فعالیت مختلف و همچنین توابع پیش پردازش گوناگونی استفاده شد. تعداد نرون های لایه مخفی از 1 تا 90 تغییر داده شد و هر تغییر، 10 بار تکرار شد. بنابراین برای هر مدل، 900 شبکه ایجاد گردید. پس از بررسی معیارهای آماری مانند مجذور میانگین مربعات خطا (rmse)و حداکثر خطا (maxe) بهترین مدل انتخاب شد. سپس نتایج حاصل از شبکه های عصبی با سایر روش ها مقایسه گردید و مشخص شد که شبکه عصبی توانایی تخمین بهتر تنش برشی موضعی را نسبت به سایر روش ها داراست. مقدار مجذور میانگین مربعات خطا برای داده های تست 0.26 n/m2 بدست آمد.