تعیین پتانسیل روانگرایی در اثر زلزله یک مسئله پیچیده در مهندسی ژئوتکنیک است که فاکتورهای زیادی از قبیل پارامترهای خاک و خصوصیات زلزله را شامل می شود. از آنجائی که در زمینه تحقیقات علمی منابع مالی محدود بوده و از طرفی جهت تعیین روانگرایی در هر نقطه امکان حفر گمانه به دلیل هزینه بالای آن وجود ندارد، امروزه مهندسین رو به روشهائی آورده اند تا با استفاده از اطلاعات موجود و مناسب، کاستن از هزینه ها را دنبال نمایند. یکی از این ابزارها شبکه های عصبی مصنوعی می باشد. در این تحقیق، از شبکه استاتیکیmlp استفاده و تابع آموزش بکار گرفته gradientdescent back propagationبوده که قادر به آموزش هر شبکه ای می باشد. در این تحقیق ارزیابی پتانسیل روانگرایی بر اساس پارامترهای سه آزمون spt ، cpt و vsمورد بررسی قرارگرفته است. سپس این پارامترها به گروههایی تقسیم و با استفاده از چهار مدل پیشنهادی در حالت های مختلف کارکرد شبکه عصبی برای تعیین پتانسیل روانگرایی بررسی شده است. درهمین راستا مجموعه ای از داده های ثبت شده در زلزله سال (1999)kocaeli ترکیه با بزرگی 7.5=mw که در آنها پدیده روانگرایی اتفاق افتاده جمع آوری و با استفاده از شبکه های عصبی مصنوعی پردازش داده ها صورت گرفته است. براساس نتایج بدست آمده، این شبکه قادر است پتانسیل روانگرائی را در خاک های ماسه ای با دقت 98.49 درصد پیش بینی نماید. سپس با استفاده از شبکه آموزش دیده و بر اساس نتایج آزمایش نفوذ استاندارد مربوط به مناطق 10 تا 20 جنوب تهران، پیش بینی روانگرایی در منطقه های مورد نظر صورت گرفته است.