چکیده: با توجه به قرارگیری ایران در کمربند زلزله خیز آلپ هیمالیا، زمین لرزه ها به عنوان مخرب ترین حادثه طبیعی، عامل تلفات بشری و خسارات اقتصادی قابل توجه در کشور محسوب می شوند. در طول تاریخ، زمین لرزه های ویرانگری مناطق مختلف کشورمان را لرزانده و باعث مرگ و میر تعداد زیادی از هم وطنانمان گردیده اند، از همین رو در این تحقیق به بررسی مسائل مرتبط با پیش بینی زلزله با استفاده از پیش نشانگر پیش لرزه پرداخته شد. برای انجام این کار ابتدا با استفاده از داده های لرزه ای موجود در کاتالوگهای زلزله یک بانک اطلاعاتی برای پیش لرزه های کشور تهیه شد. پس از پالایش کاتالوگها و جداسازی پیش لرزه ها از لرزه های اصلی با اعمال عملیات دیکلاسترینگ به روش گاردنر و نوپوف 1974 بر روی داده ها نقشه پیش لرزه های کشور را برای لرزه های بزرگتر از 5 تهیه گردید. سپس عملیات خوشه بندی بر روی داده های پیش لرزه ای اجرا گشت. برای این بخش ابتدا از الگوریتم خود سازمان دهنده (SOM) کوهونن برای تعیین اعداد اولیه تعداد خوشه ها و سپس الگوریتم خوشه بندی K-Means برای 5 تا 15 خوشه اجرا گشت و با توجه به میزان شاخص سیلوئت تعداد 6 خوشه را برای داده های پیش لرزه ای کشور تعیین شد. سپس خوشه های بدست آمده با استفاده از آزمونهای دانکن و توکی گروه بندی و با توجه به نتایج خوشه بندی و گروه بندی، نقشه زون بندی پیش لرزه های ایران تهیه گشت و زون انتقالی زاگرس – مکران به عنوان اصلیترین زون پیش لرزه ای ایران معرفی شد. پس از مشخص شدن زون اصلی پیش لرزه ای به سراغ مدلسازی جهت پیش بینی زلزله با استفاده از شبکه های عصبی مصنوعی رفته و مدلسازی برای دو حالت پیش بینی و طبقه بندی انجام شد. نتایج پیش-بینی نسبتا ضعیف و با ضریب همبستگی در حدود 65 درصد بود ولی نتایج طبقه بندی از صحت بسیار بالایی برخوردار بود. پس از انجام مدلسازی به معرفی زون انتقالی زاگرس – مکران از لحاظ وضعیت تکتونیکی پرداخته و گسلهای اصلی منطقه را معرفی شدند. در نهایت پارامترهای لرزه خیزی این زون مورد بررسی قرار گرفت. مقدار های a ، bو بزرگای کاملی برای این منطقه برای سالهای 2006 تا 2012 محاسبه و نقشه آنها تهیه گشت. مقدار بدست آمده برای مقدار b در حدود 8/0 مقدارa 6/5 و بزرگای کاملی 2/3 محاسبه شده است. مقدار a سالانه در حدود 8/4 بدست آمده است. تغییرات پارامترهای لرزه خیزی وجود پریودهای شبه تناوبی 2 ساله را برای این منطقه نشان می دهند.