میزان حداکثر نشست ناشی از معدن کاری زیرزمینی، ضریبی از ضخامت لایه زغالی استخراج شده می باشد. این ضریب بدون بعد که یکی از پارامترهای اصلی به منظور پیش بینی حرکت ها و تغییرشکل های زمین در حین معدن کاری در زیر ساختمان ها ، رودخانه ها و خطوط راه آهن می باشد به عنوان ضریب نشست شناخته می شود. تعیین کردن میزان دقیق ضریب نشست، یکی از مشکلات مهم در پیش بینی نشست می باشد. برای نیل به این هدف، در این تحقیق از شبکه عصبی مصنوعی (ANN) و سیستم تطبیقی استنتاجی عصبی – فازی (ANFIS) استفاده شده است. پارامترهای مؤثر بر روی ضریب نشست از قبیل خصوصیات مکانیکی سنگ های روباره، ضخامت و عمق معدن کاری، زاویه شیب لایه زغالی و ضخامت لایه سست شدگی به عنوان پارامترهای ورودی در هر دو مدل ANN و ANFIS به منظور پیش بینی ضریب نشست که خروجی هر دو مدل می باشد در نظر گرفته شدند. نتایج نشان داد که ضریب نشست ناشی از معدن کاری زیرزمینی زغال سنگ، با دقت قابل قبولی با استفاده از ANN و ANFIS قابل پیش بینی است. همچنین مقایسه نتایج دو مدل مشخص کرد که برای پیش بینی ضریب نشست، ANFIS دارای توانایی بالاتری نسبت به ANN می باشد.
