چکیده: با توجه به نیازهای بشر مانند تأمین مواد معدنی، حمل و نقل، ذخیره سازی زیرزمینی و...، حفر تونل به یک امر بدیهی در جهان امروز تبدیل شده است. پدیده پس شکست یکی از پدیده های نامطلوبی است که در حین حفر تونل ها به ویژه هنگامی که از روش چالزنی و انفجار استفاده می شود، با آن مواجه هستیم. پدیده ی پس شکست باعث کاهش ایمنی محیط کار و افزایش هزینه های عملیاتی می شود. اولین قدم در فرآیند کنترل و کاهش آثار زیان بار این پدیده، پیش بینی آن در فرآیند حفر تونل ها است. عوامل تأثیرگذار بر پدیده پس شکست به دو دسته اصلی قابل کنترل (پارامترهای انفجار) و غیرقابل کنترل (پارامترهای زمین شناسی) تقسیم بندی می شوند و تمام این عوامل به صورت غیرخطی به یکدیگر وابسته هستند. در این مطالعه، با استفاده از 267 دسته داده های عوامل تأثیرگذار و پس شکست به عنوان داده های ورودی و خروجی برای پیش بینی پس شکست با روش های رگرسیون چندگانه خطی و غیرخطی، شبکه عصبی مصنوعی، منطق فازی، سیستم استنتاج فازی عصبی تطبیقی و ماشین بردار پشتیبان به کار گرفته شدند. نتایج نشان دهنده ی آن است که روش های منطق فازی و سیستم استنتاج فازی عصبی تطبیقی پیش بینی بهتری را نسبت به سایر روش ها انجام داده اند. با آگاهی از وقوع پس شکست، می توان روش های کنترلی و جلوگیری کننده ای را برای کاهش آثار زیان بار این پدیده بکار گرفت و در نهایت باعث بهبود عملکرد پروژه شد.