به علت رشد جمعیت، تقاضای مردم برای خدمات حمل ونقل بیش از پیش شده است؛ بنابراین هیچ تردیدی وجود ندارد که نیاز به تونل ها نیز افزایش خواهد یافت. در 20 سال گذشته، حفاری مکانیزه با استفاده از روش epb به طور موفقیت آمیزی اجرا شده است، به خصوص در محیط های شهری که فاصله تا سطح زمین کم است. به علت سرعت حفاری بالا و محیط کار کم خطر استفاده از ماشین فشار تعادلی زمین یکی از روش های محبوب برای حفر تونل های راه، راه آهن و مترو در محیط های شهری است. کنترل نشست سطحی هنگامی که تونل در محیط های شهری حفر می شود و یا سازه های زیرزمینی مهمی در اطراف تونل وجود دارد از اهمیت زیادی برخوردار است. ساخت یک تونل در زمین نرم عموماً باعث نشست سطحی زمین بالای تونل می شود. روش های متعدد تجربی و تحلیلی وجود دارد که با استفاده از آن ها می توان میزان نشست سطحی زمین را تخمین زد، اگرچه تحلیل های عددی (بیشتر استفاده از برنامه های مختلف المان محدود) نیز با نتایج رضایت بخش اجرا شده است. اخیراً روش های محاسباتی نرم مانند شبکه های عصبی مصنوعی (ann) و ماشین های برداری پشتیبان (svms) برای تخمین میزان نشست سطحی حداکثر استفاده شده اند. این تحقیق یک روش محاسباتی دیگر را برای مرتبط کردن نشست سطحی حداکثر و پارامترهای عملیاتی سپر فشار تعادلی زمین را ارائه می دهد. مدل درختی m5p (یک روش رگرسیونی) بر مبنای مطالعه موردی روی یک تونل کم عمق در محیط شهری پیشنهاد و مورد ارزیابی قرار گرفته است. مزیت اصلی این روش رگرسیونی نسبت به سایر ابزارهای محاسباتی نرم این است که علاوه بر این که استفاده از آن بسیار آسان است، قوانین ریاضی قابل درک ارائه می دهد. مقایسه بین مقادیر محاسبه شده و اندازه گیری شده حداکثر نشست سطحی حاصل از مدل درختی m5p نشان می دهد که الگوریتم پیشنهادشده دقت خوبی دارد.