چكيده تحقيق پيش رو در راستاي ارائه مدل هاي پيش بيني براي سوانح راه‌آهن جمهوري اسلامي ايران با استفاده از شبكه هاي عصبي انجامشده است. براي اين منظور داده هاي سوانح راه آهن ايران در طي پنج سال، از سال 1388 تا 1392 گردآوري شده اند. سپس مدلسازي براي پيش بيني فراواني و شدت سوانح در نواحي، ايستگاهها و گذرگاههاي همسطح ريل و جاده ايرانصورت گرفته است. به منظور مدلسازي پيش بيني، از روش هاي متفاوتي شامل شبكه هاي عصبي، سري هاي زماني، رگرسيون و درخت تصميم استفاده شده است. ساختارهاي متفاوتي از شبكه هاي عصبي در اين تحقيق مورد استفاده قرار گرفته است كه شامل روش هاي كوئيك، ديناميك، چندگانه، هرس و روش RBFNمي‌باشد. روش هاي سري زماني مورد استفاده براي ساخت مدل‌هاي پيش‌بيني در اين تحقيق دو گروه شامل روش هاي ميانگين‌گيري و روش هاي هموارسازي نمايي را در بر مي گيرد. روش هاي ميانگين گيري شامل روش‎‌هاي ميانگين ساده، ميانگين متحرك و روش نايو و روش‌هاي هموارسازي نمايي شامل روش هموارسازي نمايي ساده، روش خطي هولت، روش هموارسازي دمپ و روش فصلي هولت-وينتر مي‌باشد. همچنين از الگوريتم درخت تصميم CHAIDبراي مدلسازي پيش‌بيني بهره گرفته شده است. پس از ارزيابي هريك از روش ها براي پيش بيني فراواني و شدت سوانح، روشي كه بر اساس داده هاي آزمايشي بهترين نتيجه را ارائه كرده است، انتخاب شده و براي پيش بيني فراواني و شدت سوانح در نواحي، ايستگاه‌ها و گذرگاه‌هاي همسطح راه آهن ايران در سال هاي 1393، 1394 و 1395 به كار گرفته شده است. براي پيش بيني فراواني و شدت سوانح در نواحي به ترتيب دو روش چندگانه و هرس، براي فراواني و شدت سوانح در ايستگاه ها دو روش چندگانهو ديناميك و براي سوانح گذرگاه‌هاي هم سطح ريل و جاده دو روش چندگانه و RBFNبهترين نتايج را ارائه نموده اند. پياده سازي مدل‌هاي پيش بيني فراواني و شدت سوانح با به كارگيري متدولوژي داده كاويCRISP-DMصورت گرفته است. نتايج تحقيق پيش رو مي تواند براي شناخت نقاط پر سانحه در ايستگاهها، گذرگاه ها، نواحي و به طور كلي شبكه راه آهن ايران و اولويت بندي براي ارتقاي ايمني اين نقاط مورد استفاده قرار گيرد. كلمات كليدي: داده كاوي، فراواني سوانح ريلي، شدت سوانح ريلي، پيش‌بيني، شبكه هاي عصبي، راه آهن جمهوري اسلامي ايران