موضوع اصلی این تحقیق نیز پیاده سازی قدم به قدم فرایند داده کاوی بر داده های عملیاتی سیستم آموزش یکی از دانشگاه های کشور با هدف طراحی مدلی جهت پیش بینی ظرفیت تکمیلی کلاسها در فرایند انتخاب واحد و حذف اضافه می باشد. چهارچوب کلی متدولوژی این تحقیق با استفاده از استاندارد داده کاوی CRISP-DMطراحی شده است. در فاز طراحی مدل پیش بینی، از تکنیک شبکه عصبی مصنوعی استفاده شده است. در این مقاله با بهره گیری خلاقانه از مدلهای خوشه بندی بصورت ترکیبی به عنوان لایه غربالگری اولیه، دقت مدلهای پیش بینی بصورت قاب ملاحضه ای افزایش پیدا کرده است. الگوریتم دو مرحله ای TWOSTEPجهت خوشه بندی داده ها استفاده شده است. متدولوژی مورد استفاده در این تحقیق قابلیت استفاده در سایرمسایل پیش بینی در حوزه آموزش دانشگاه ها همچون پیش بینی عملکرد دانشجویان را دارا می باشد