La erosión alrededor de las tuberías submarinas sigue siendo un problema complejo y en gran medida que no se entiende completamente. En este estudio, se investigó sobre la erosion del oleaje en las tuberías marinas. Desde diversos procesos físicos ocurren durante el desarrollo de un foso de socavación, los efectos de cada proceso se considera mediante el empleo de varios parámetros adimensionales. Para encontrar los parámetros de eficacia en el equilibrio profundidad de socavación, la correlación entre los parámetros independientes (por ejemplo, número Keulegan-Carpintero) y el parámetro dependiente (profundidad de socavación adimensional) se determina utilizando diferentes datos experimentales. Entonces, una red neuronal artificial (RNA) enfoque se utilizó para desarrollar un modelo más preciso para la predicción de la onda inducida profundidad de socavación alrededor de las tuberías submarinas. Modelos de RNA con parámetros de entrada diferentes, incluyendo a la brecha de diámetro, Keulegan-número Carpenter, tubo de número de Reynolds, el número de escudos, el número de Reynolds y los sedimentos de la capa límite del número de Reynolds fueron entrenados y evaluados para encontrar el mejor modelo de predicción. Para desarrollar los modelos de ANN, exclusión y diez veces, tanto los métodos de validación cruzada fueron utilizadas. Además, un método empírico existente fue examinado. Los resultados muestran que el método empírico tiene un error significativo en la predicción de la profundidad de socavación de los casos con una diferencia inicial entre la tubería y los fondos marinos. También se indica que los modelos ANN superar el método empírico en términos de capacidad de predicción.