در طی یک تکان قوی زلزله، نهشته ماسه شل اشباع شده تمایل به فشرده شدن خواهد? داشت با افزایش ‏نوسان، فشار آب منفذی تا مقدار فشار سربار افزایش می یابد و ماسه استحکام برشی نخواهد داشت که در این ‏حالت ماسه روان شده و این پدیده روانگرایی نامیده می شود. این پدیده یکی از مهم ترین مخاطرات و دلیل ‏اصلی بیشتر آسیب های سازه ¬ای در طول زلزله می باشد، که مسبب خسارات بسیاری در زلزله های گذشته در ‏سراسر جهان و کشورمان بوده است. در زلزله های قوی اخیر از قبیل آلاسکا(1964)، نیگاتا(1964)، ‏تانگشان(1979)، لوماپریتا(1989)، ایران (1990)، ژاپن (1995)، ترکیه (1999)، تایوان (1999)، ایران (2004)، ‏چین(2008) بیشتر ساختمان¬ها، بزرگراهها، سدهای خاکی، شریان های حیاتی و‎ ‎سایر سازه های مهندسی آسیب ‏دیدند و‎ ‎یا ویران شدند که از نتایج روانگرایی بوده است. به همین دلیل ارزیابی وقوع روانگرایی در مناطق لرزه¬خیز ‏ضروری است. دانشمندان مطالعات گسترده ای در این زمینه انجام داده اند و روشهای زیادی برای پیش¬بینی وقوع ‏روانگرایی پیشنهاد کردند. در ابتدا آزمایش های میدانی و سپس روشهای مختلف تجربی و محاسباتی در برآورد ‏وقوع روانگرایی مبتنی بر مشاهدات میدانی و آزمایشگاهی ارائه شده است. در دو دهه اخیر استفاده از سیستم های ‏هوشمند به دلیل اینکه این سیستم ها قابلیت کاهش زمان محاسبات، آموزش دیدن، دسته بندی کردن داده ها، ‏پردازش موازی داده ها را دارا می¬باشند، در بسیاری از مسائل مهندسی زلزله از جمله در ارزیابی پتانسل روانگرایی ‏در حال توسعه است. در این تحقیق استفاده از روش طبقه بندی فازی برای اولین بار در ارزیابی پتانسیل روانگرایی ‏مورد بررسی قرار می گیرد‎ ‎که این روش،‎ ‎روشی کاملاً جدید می باشد. طبقه بندی از ابزارهای متداول داده کاوی ‏بوده و به استخراج خوشه هایی با حداکثر شباهت بین عناصر داخل دسته و حداقل شباهت با عناصر سایر دسته ها ‏می پردازد. در طبقه بندی فازی،‎ ‎یک تفکیک فازی صورت می گیرد به این معنی که هر داده با یک درجه تعلق به ‏هرخوشه متعلق است. پایگاه داده مورد استفاده در این تحقیق مشتمل بر 705 مورد داده میدانی می باشد که برای ‏انجام محاسبات، این پایگاه داده براساس درصد ریزدانه به سه پایگاه داده (%15-0)، (%35-0) و (%100-0) ‏تفکیک شده است. همچنین محاسبات این روش توسط نرم افزار ‏pila‏ انجام می شود، پارامترهای ورودی این ‏روش دو پارامتر عدد نفوذ استاندارد اصلاح شده به ماسه تمیز ‏‎??(n?_1)?_60cs‏ و نسبت تنش تناوبی ‏معادل ‏csreq‏ می باشند. در این تحقیق به تحلیل روانگرایی نمونه ها (‏ls‏) برای تعداد خوشه های مختلف و ‏همچنین به برآورد تمایل روانگرایی مراکز خوشه ها ‏‎? lt?_(c )‎‏ پرداخته می شود.‏‎ ‎تعداد خوشه بهینه تعیین ‏می گردد. و نهایتاً مقادیر ‏ls‏ به دست آمده از تعداد خوشه بهینه با روش احتمال روانگرایی ستین و همکاران[20] ‏نسبت به مقادیر واقعی روانگرایی داده ها مورد مقایسه قرار می گیرد.‏‎ ‎‎