ضریب تغییر شکل خاک یکی از مهمترین پارامترهای خاک است که بیانگر رابطه تنش و نشست پذیری خاک می باشد. برای مواد الاستیک خطی، ضریب تغییر شکل به عنوان ضریب ارتجاعی که نسبت ثابت تنش به کرنش است نامیده می شود. ضریب تغییر شکل خاک توسط آزمایش های مختلف آزمایشگاهی و برجا از جمله آزمایش تحکیم، آزمایش سه محوری، آزمایش نفوذ استاندارد، آزمایش مقاومت مخروط، آزمایش بارگذاری صفحه و آزمایش پرسیومتری تعیین می گردد. یکی از بهترین روش های تعیین ضریب تغییر شکل خاک در محل، آزمایش پرسیومتری می باشد. انجام این آزمایش بسیار هزینه بر و وقت گیر می باشد. از طرفی با وجود قابل اعتماد بودن این روش توجه اندکی به توسعه روابط تجربی جهت ارتباط ضریب تغییر شکل حاصل از نتایج آزمایش پرسیومتری به خصوصیات فیزیکی خاک شده است. در این تحقیق دو شاخه از تکنیک های هوش محاسباتی با نام های برنامه ریزی ژنتیک خطی (lgp) و پرسپترون های چند لایه (mlp) از شبکه های عصبی مصنوعی برای توسعه مدل های تجربی جدید جهت پیش بینی ضریب تغییر شکل خاک بکار گرفته شده است. بهترین مدل ها بعد از توسعه تعداد زیادی مدل مختلف با ترکیب های متفاوتی از پارامتر های ورودی انتخاب شده اند و نهایتا به صورت فرمول های ساده ای ارائه شده اند. داده های قابل اعتمادی از نتایج آزمایشات پرسیومتری موجود در خط دو قطار شهری مشهد برای توسعه مدل ها به کار رفته است. متعاقباٌ، تحلیل حساسیت برای مدل ها جهت تعیین اثر پارامتر های ورودی بر ضریب تغییر شکل خاک انجام شده است. حساسیت مدل ها به تغییرات پارامتر های ورودی نیز با استفاده از تحلیل پارامتریک مورد بررسی قرار گرفته است. نتایج حاصل از این تحلیل ها کاملا در تطابق با رفتار فیزیکی خاک می باشد. نتایج بدست آمده نمایان گر دقت مدل های ارائه شده و قابل اعتماد بودن آن ها جهت استفاده برای مقاصد پیش طراحی می باشد.