به دلیل پیچیدگی رفتار خاک و اندرکنش خاک و سازه، تعیین ظرفیت باربری و طراحی شمع ها امری چالش برانگیز به شمار می رود. روش های متعددی توسط محققین مختلف جهت تخمین ظرفیت باربری شمع ها ارائه شده است. در بعضی از این روش ها –مانند روش تحلیل استاتیکی- به دلیل ساده سازی های صورت گرفته، انتخاب ضریب اطمینان های بزرگ امری اجتناب ناپذیر می باشد، که باعث دقت پایین و اتلاف در منابع می گردد. در بعضی دیگر از روش ها –مانند روش بارگذاری شمع ها- با وجود درصد بالای اطمینان، هزینه های بالای اجرا، استفاده از این روش ها را غیر اقتصادی می سازد. آزمون نفوذ مخروط (cpt) یکی از آزمون های درجای خاک می باشد که به دلیل سادگی، سرعت بالای انجام، هزینه نسبتاً کم، دارا بودن خروجی پیوسته در عمق خاک و نیز به دلیل شباهت های موجود بین مخروط نفوذ سنج و شمع، تخمین ظرفیت باربری شمع ها یکی از اولین کاربردهای آن به شمار می رود. دو رویکرد برای استفاده از نتایج cpt در طراحی شمع ها وجود دارد. رویکرد مستقیم که ظرفیت باربری شمع را مستقیماً بر اساس نتایج cpt محاسبه می کند و رویکرد غیر مستقیم که با استفاده از مشخصات خاک که از نتایج cpt بدست آمده اند، ظرفیت باربری شمع را تخمین می زند. به کار گیری شبکه ی عصبی مصنوعی در تخمین ظرفیت باربری شمع ها بر اساس نتایج cpt، در زمره ی رویکردهای مستقیم قرار می گیرد. عملکرد مناسب این روش توسط محققین مختلف در زمینه های متعدد مهندسی عمران، گزارش شده است. در تحقیق حاضر شبکه ی عصبی مصنوعی نوع gmdh به عنوان ابزار استحصال رابطه ی بین نتایج cpt و ظرفیت باربری شمع ها مورد استفاده قرار گرفته است. داده های مورد استفاده در این تحقیق که مربوط به 40 شمع بتنی پیش-ساخته ی کوبشی می باشند، از مقالات چاپ شده جمع آوری شده است. در تحقیق حاضر برای تعیین معماری شبکه ی عصبی، از الگوریتم تکاملی ژنتیک، با تغییراتی مبتکرانه در عملگرهای آن، استفاده شده است. روش پیشنهادی این تحقیق در نرم افزار matlab پیاده شده و نتایج به روش های آماری با نتایج 8 روش cpt و یک روش تحلیل استاتیکی مورد بررسی و ارزیابی قرار گرفته و برای محاسبه ی ظرفیت باربری شمع ها، مقایسه شده است. تحلیل های آماری و رده بندی روش ها بر اساس معیارهای مختلف آماری، عملکرد بهتر روش پیشنهادی را نسبت به روش های دیگر بررسی شده در این تحقیق، نشان می دهد.