سرریزها و دریچه ها از جمله سازه های هیدرولیکی هستند که قابلیت کنترل سطح آب و اندازه گیری دبی جریان را دارند، به همین علت مطالعات گسترده ای بر روی این دو سازه صورت گرفته است اما این سازه ها نیز دارای معایبی هستند که با ترکیب این دو سازه می توان سازه ترکیبی سرریز - دریچه را در جهت رفع معایب آن ها ارائه نمود. مشکل آبشستگی در پایین دست این سازه ها در بسترهای فرسایش پذیر از مباحث مهم می باشد که در صورت عدم کنترل آن، ممکن است باعث ناپایداری سازه و در نهایت تخریب آن گردد. لذا بررسی شرایط و کنترل آن حائز اهمیت می باشد. بدین منظور در این تحقیق ابتدا با استفاده از مدل عددی FLOW-3D مدل مذکور شبیه سازی شد و در ادامه به منظور کارایی شبکه های عصبی از دو مدل پیش بینی -کننده استفاده گردید و نتایج با هم مورد مقایسه قرار گرفت. در بخش عددی دو مدل آشفتگی LES و مدل RNG و از 3 معادله نرخ انتقال بار بستر استفاده گردید و بعد از صحت سنجی با داده های آزمایشگاهی مشاهده شد که داده های مدل عددی با رابطه ی Van Rijn و با مدل آشفتگی LES با ضریب تعیین 985/0 و میانگین خطای مطلق 107/0 برازش مناسب با داده-های آزمایشگاهی دارد. در این تحقیق دو شبکه MLP و RBFمورد آموزش و ارزیابی قرار گرفت و از میـان کـل داده هـای موجود،80 درصد آن ها برای آموزش شبکه و 20 درصد نیز برای آزمایش شـبکه مـورد اسـتفاده قـرار گرفتـه شد. در مقایسه دو شبکه MLP و RBF، نتایج نشان داد که شبکه های RBF عملکرد بهتری نسبت به MLP ها داشتند به طوریکه در مدل انقباض دریچه، خطای پیش بینی در آن کمتر از سایر مدل ها بود.