در این مقاله روشی نوین برای پیش یابی تمرکز مکانی و روند پس لرزه های زلزله چنگدو سیچوان چین (2008) ارایه شده است. این روش بر اساس وارد کردن پس لرزه های اولیه به شبکه عصبی کوهونن بنا شده است. شبکه های عصبی مصنوعی که الهام گرفته شده از مغز انسان می باشند، از تعدادی نرون مصنوعی تشکیل شده اند که این نرونهای مصنوعی توسط تعدادی بردار وزن به هم متصل می شوند. شبکه های عصبی مصنوعی قادرند حجم زیادی از اطلاعات ورودی (مانند کاتالوگ زمین لرزه) را به طور هم زمان و به صورت موازی دسته بندی کنند و الگوهای لرزه ای را به خوبی تشخیص دهند. شبکه های عصبی مصنوعی کوهونن از تعدادی نرون عصبی تشکیل شده اند که به طور متقابل روی یکدیگر اثر می گذارند و مشخصات آماری مهم فضای ورودی (پس لرزه های اول) را نشان می دهند. ترکیب قوانین یادگیری انجمنی و رقابتی باعث تشکیل الگوریتم شبکه عصبی کوهونن می گردد. هنگامی که الگوریتم شبکه عصبی کوهونن همگرا شود، نقشه مشخصات محاسبه شده بوسیله این الگوریتم، تمرکز مکانی و روند پس لرزه های آینده را با دقت خوبی پیش یابی می کند. شبکه های عصبی مصنوعی کوهونن در سالهای اخیر به ابزار قدرتمندی در تشخیص الگو و خوشه بندی داده ها تبدیل شده اند.