بررسی مفصلی بر کاربرد روشهای محاسبات عصبی در پیش بینی پتانسیل روانگرایی خاکها انجام شده است . تاکید کلی در این تحقیق بر استفاده از شبکه عصبی بهینه برای مدلسازی رابطه پارامترهای لرزه ای، و خصوصیات خاک با پتانسیل روانگرایی بوده است . مشکل اکثر مطالعات مشابه گذشته در زمیه پتانسیل روانگرایی عدم قابلیت تعمیم آنها بوده است . معمولا حجم کم پایگاه داده ها، توزیع جغرافیایی محدود و حذف اثر بعضی پارامترهای مهم مانند rf (فاصله تا گسل زلزله) در اینگونه کارها به چشم می خورد. در این تحقیق یک بانک اطلاعاتی جامع با بیشترین تعداد موارد گزارش شده تهیه شده است . برای انجام مطالعه و مدلسازی پدیده روانگرایی، از یک شبکه عصبی احتمالی (pnn) مجهز به یک روش تازه جهت تعیین پارامترهای شبکه، یک شبکه عصبی بازگشتی (rnn) و یک شبکه فازی-عصبی (anfis) در کنار شبکه عصبی (bpnn) استفاده شده است . ترکیب های مختلفی از پارامترهای ورودی و سایر خصوصیات شبکه ها روی هر یک از انواع شبکه ها عصبی یاد شده بررسی شدند. برای تعیین شبکه بهینه، مقایسه ای بین کارآیی و پیچیدگی شبکه ها به علاوه مطالعه پارامتری انجام شد. مقایسه نتایج با روشهای معمول در بررسی پتانسیل روانگرایی حاکی از افزایش دقت تخمین این پتانسیل در روش حاضر است . همچنین روشی برای تعیین ضریب اطمینان در برابر روانگرایی پیشنهاد شده است .