در سالیان اخیر، شبکه‏ های عصبی مصنوعی با موفقیت برای حل مسائل ژئوتکنیکی مورد استفاده قرار گرفته شده است. شبکه‏ های عصبی مصنوعی در تلاش هستند تا با تقلید از عملکرد مغز و سیستم عصبی انسان، به مدل‏ سازی مسائل پیچیده ژئوتکنیکی که متاثر از طبیعت ناهمسان خاک هستند، بپردازد. آشنایی با مباحث ژئوتکنیکی و معرفی راهکارهای کاهش مخاطرات و خسارات ناشی از وقوع پدیده‏ های ژئوتکنیکی در مناطق مختلف، مهم ‏ترین پیش‏نیاز رسیدن به توسعه پایدار است. به همین جهت، شناخت لایه ‏ها و تعیین سطح آب زیرزمینی بعنوان یکی از مهم‏ ترین و اساسی‏ ترین مراحل شناخت و مقابله با این پدیده‏ ها مطرح است. در این پژوهش لایه‏ های زیرسطحی خاک با استفاده از شبکه‏ های عصبی مصنوعی مورد ارزیابی قرار گرفته است. در حقیقت بررسی ساختار لایه ه‏ای خاک در یک سایت، بسته به وسعت مطالعات، به حفر گمانه‏ ها و انجام آزمایشات متعددی نیاز دارد و این امر خود نیازمند صرف زمان و هزینه زیادی است. با این حال نیز اطلاعاتی از نقاط در فواصل بین گمانه‏ ها در دسترس نبوده و بدست آوردن اطلاعات در این نقاط، عملی مشکل و به میزان محدودی قابل اعتماد خواهد بود. در مدل ارائه شده، ابتدا با استفاده از اطلاعات تعدادی گمانه، شبکه عصبی آموزش داده شد و سپس نتایج حاصل از شبکه با داده‏ های این گمانه ‏ها مورد مقایسه قرار گرفت که تا حد زیادی با یکدیگر مطابقت دارند. شبکه عصبی طراحی شده قادر است تا با دقت بالا 81 درصد لایه‏ بندی خاک را تعیین و شناسایی کند و این توانایی را دارد تا با دادن اطلاعات کافی و آموزش مورد نیاز، رابطه بین ورودی ‏ها و خروجی‏ ها را بدون نیاز به ساختن روابط پیچیده ریاضی، بیابد و برای نقاط دیگر استفاده کند و در نتیجه با شناخت کامل از وضعیت تحت ‏الارضی و پارامترهای کنترل کننده ژئوتکنیکی خاک منطقه مورد مطالعه، می ‏توان عملیات مناسب جهت اجرای پروژه‏ های ژئوتکنیکی را طرح‏ ریزی نمود.