در این تحقیق از روشی نوین با بکارگیری قابلیت شبکه عصبی مصنوعی برای پیش بینی رفتار تورمی خاک های رسی استفاده شده است. در این روش داده ها با استفاده از انواع آرایش شبکه های چند لایه پرسپترون، که از پرکاربردترین نوع شبکه های عصبی می باشد مدل شده اند. نتایج حاصل از این شبکه ها بر اساس شاخص های ارزیابی معرفی گردیده و با یکدیگر قیاس شده اند که منجر به انتخاب بهترین آرایش شبکه از لحاظ دقت و کاربرد گردیده است. لازم به ذکر است که پارامترهای رطوبت، اندیس خمیری، حد روانی، حد خمیری، دانسیته خشک و درصد ریزدانه خاک بعنوان پارامتر های ورودی و پارامتر های فشار تورم و درصد تورم آزاد، هریک بطور جداگانه بعنوان پارامتر خروجی در نظر گرفته شده است. خاک های در نظر گرفته شده برای این شبکه بدلیل اینکه از مناطق مختلفی می باشند، لذا شبکه عصبی فوق قابلیت پیش بینی رفتار تورمی انواع خاکهای رسی را دارا می باشد. همچنین جهت آموزش سیستم شبکه های عصبی مورد تحقیق، از نتایج پژوهشهای قبلی، داده های خام مهندسین مشاور ژئوتکنیک و پایانامه های موجود در زمینه خاکهای متورم شونده استفاده گردیده است. پس از طراحی و پردازش 144 شبکه عصبی مختلف با ساختار،آرایش و توابع محرک گوناگون، شبکه ای با ساختار mlp استاتیکی با دو لایه پنهان و شش نرون برای هرلایه پنهان آن، بعنوان بهترین شبکه فشار تورم و شبکه ای با ساختار mlp استاتیکی با یک لایه پنهان و پنج نرون لایه میانی بعنوان بهترین شبکه تورم آزاد شناخته شد.