چکیده: افزایش ایمنی و عملکرد سازه ها به هنگام وقوع زلزله یکی از مسائل مهم و چالش برانگیز در مهندسی عمران به شمار می آید. در این بین خاک عاملی است که می تواند به طور قابل ملاحظه ای بر عملکرد سازه ها تأثیرگذار باشد. عموماً تحلیل دینامکی سازه ها با فرض صلب بودن پی انجام می شود و از اثر اندرکنش خاک زیر پی صرف-نظر می شود. ولی به منظور دستیابی به پاسخ واقعی و پیش بینی صحیح رفتار سازه، مطالعات اندرکنش خاک و سازه بخصوص از دهه 1970 از اهمیت زیادتری برخوردار و مورد توجه تحقیقات بسیاری قرار گرفت. از این رو امروزه مطالعات زیادی حول تأثیر خاک بر عملکرد سازه انجام می شود و در حقیقت مطالعات اندرکنش خاک و سازه، تفاوت میان پاسخ واقعی سازه با پاسخ سازه در حالت پایه ثابت را نمایان می کند. روش های رایج برای تحلیل مسائل اندرکنش خاک و سازه، عموماً روش های زمان بر و پرهزینه ای هستند و از این رو درنظرگیری اندرکنش خاک و سازه را برای سازه ها محدود می کنند. در سال های اخیر با پیشرفت روزافزون تکنولوژی و افزایش اطلاعات و داده ها، ما را بر این وا می دارد که به حوزه هوش مصنوعی ورود کرده و از آن استفاده کنیم. در این میان یکی از روش های هوش مصنوعی موسوم به شبکه عصبی می تواند راهگشا برای حل مسائل پیچیده اندرکنش خاک و سازه در مدت زمان کوتاه و بسیار دقیق باشد. در این پژوهش ابتدا رفتار لرزه ای سازه های قاب خمشی فولادی تحت اثر اندرکنش خاک و سازه با ارتفاع های مختلف بوسیله روش های معمول و کلاسیک مورد بررسی قرار گرفت. بدین منظور سه سازه 4، 8 و 12 طبقه فولادی به کمک نرم افزار OpenSees با حالت های پایه ثابت و اندرکنش با خاک نرم مطابق با استاندارد 2800 مدل گردید. هریک از سازه های مدل سازی شده تحت تحلیل دینامیکی افزایشی (IDA) توسط شش رکورد حوزه نزدیک و شش رکورد حوزه دور که دارای مؤلفه های یکسان اما ایستگاه های متفاوت بودند، قرار گرفته و رفتار لرزه ای آن ها شامل ماکزیمم دریفت طبقات و ماکزیمم برش پایه بوسیله منحنی IDA رسم شد. سپس مدل شبکه عصبی با بهره گیری از شبکه عصبی مصنوعی پرسپترون چند لایه، دارای یک لایه ورودی، سه لایه پنهان و یک لایه خروجی ساخته شد و مقایسه ای بین نتایج آن با نتایج حاصل از مدلسازی در نرم افزار OpenSees صورت پذیرفت. نتایج این پژوهش نشان داد که بدلیل مقادیر ضریب همبستگی بالای 0.9 ، میزان خطای تابع MSE و MAE بسیار کم و همینطور میزان انطباق مناسب داده های پیش بینی و واقعی، روش شبکه عصبی برای حل مسائل پیچیده اندرکنش خاک و سازه موفق عمل کرده و از دقت خوبی برخوردار است و می توان به جایگزینی آن ها با روش های معمول و کلاسیک امیدوار بود.