انفجار از مهمترین عملیات معادن و پروژه های عمرانی می باشد. مهمترین پیامدهای ناشی از انفجار لرزش زمین، لرزش هوا و پرتاب سنگ می باشد. از آنجایی که لرزش زمین بیش از 40 درصد انرژی انفجار را به خود اختصاص می دهد، لذا پیش بینی میزان لرزش امری اجتناب ناپذیر می باشد. مهمترین پارامترهای موثر بر میزان لرزش زمین ناشی از انفجار به دو دسته ی پارامترهای موثر قابل کنترل و غیر قابل کنترل تقسیم می شوند و با توجه به اینکه در روابط و استانداردهای تجربی تمامی پارامترهای موثر بر لرزش در پیش بینی لرزش زمین لحاظ نمی شود لذا این مسئله استفاده از دستاوردهای نوین در پیش بینی میزان لرزش را امری لازم و ضروری می سازد. یکی از روش های جایگزین روابط تجربی، استفاده از شبکه های عصبی مصنوعی می باشد. این روش مخصوص حل مسائل چند متغیره و پیچیده می باشد که از دقت و سرعت بالا و شهولت کاربرد برخوردار است. در این تحقیق ابتدا توسط داده های اندازه گیری شده، میزان لرزش زمین توسط استانداردهای تجربی مختلفی پیش بینی شد و نتایج و قدرت پیش بینی لرزش زمین توسط روابط تجربی مختلف با داده های واقعی مقایسه شد و مشخص شد که بهترین رابطه تجربی برای پیش بینی لرزش زمین رابطه ی آمبراسیس- هندرون می باشد. سپس با توجه به مزایای ذکر شده برای روش شبکه عصبی مصنوعی، مدلی مبتنی بر شبکه عصبی چند لایه پرسپترون برای پیش بینی میزان لرزش زمین ارائه شده است. متغیرهای ورودی در این شبکه شامل 4 پارامتر تاثیرگذار بر میزان لرزش می باشند. سپس با توجه به رفتار شبکه در آموزش، آزمون و مقدار خطاها در پیش بینی لرزش، مقادیر بهینه ای برای تعداد لایه های میانی، تعداد نرون ها و توابع انتقال آنها به دست آمد. به این ترتیب شبکه بهینه با دو لایه میانی که لایه اول 10 نرون و لایه دوم 5 نرون، قادر به پیش ینی لرزش زمین با کمترین خطا می باشد. در ادامه از الگوریتم ژنتیک برای بهینه کردن ساختار شبکه عصبی استفاده شد و نتایج نسبت به شبکه عصبی که به صورت معمولی آموزش دیده بود، بهینه شد، به طوری که میزان خطا و همچنین زمان آموزش شبکه کاهش یافت. در ادامه به منظور آنالیز حساسیت و تغییرات لرزش زمین نسبت به پارامترهای ورودی، با روش cam، فاکتور rij (تاثیر هر پارامتر ورودی بر تابع هدف) تعین و موثرترین پارامترها مشخص گردیدند. در پایان این تحقیق نتیجه گیری شد که قدرت پیش بینی رابطه ی تجربی آمبراسیس- هندرون نسبت به قدرت پیش بینی لرزش توسط شبکه عصبی بهتر و بیشتر است و شبکه عصبی که ساختارش با الگوریتم ژنتیک بهینه شده باشد، بیشترین قدرت پیش بینی میزان لرزش زمین را چنین شبکه ای به خود اختصاص می دهد.