خاک هایی که پتانسیل انقباض و انبساط حجم در طی تغییرات رطوبت را دارند خاک های متورم شونده اطلاق می شوند. تورم این خاک ها باعث ایجاد فشار و بروز ترک در راه ها، لوله های انتقال، پی ساختمان، فرودگاه، راه آهن و خرابی سازه های ساخته شده برروی این خاک ها شده و باعث خسارت های مالی زیادی می شود. برا ی کاهش خسارت وارده به سازه ها از طرف خاک های متورم شونده، نیاز به طراحی سازه ها ی ساخته شده بر روی این خاک ها می باشد، به طوری که در مقابل تورم مقاومت کافی را داشته باشند. برای طراحی این سازه ها، نیازمند به داشتن مقادیر درصد تورم و فشار تورم می باشد. درصد تورم و فشار تورم یا باید با انجام آزمایشات تورم و یا با استفاده از مدل های پیش بینی کننده ی این پارامترها، بدست آیند. انجام آزمایشات تورم بسیار زمان بر و نیازمند تجهیزات گران و ویژه ای است. پس نیاز به مدل هایی که بدون انجام آزمایشات تورم و مسائل مربوط به آزمایشگاه، بتوانند به صورت تئوری و با استفاده از داده های در دسترس، پارامترهای تورم را با دقت نسبتا بالایی پیش بینی کنند، احساس می شود. در این تحقیق به بررسی توانایی سیستم استنتاج فازی-عصبی انطباقی در پیش بینی درصد تورم (s) و فشار تورم (sp) پرداخته شد. بدین منظور مدل های anfis برای توسعه ی موارد زیر بکار برده شده اند: (i) پیش بینی درصد تورم با استفاده از دو ساختار متفاوت برای ایجاد anfis، (ii) پیش بینی فشار تورم با استفاده از دو ساختار متفاوت برای ایجاد anfis. برای مدل های ایجاد شده، ضریب تعیین (r2)، ریشه میانگین مریعات خطا (rmse)، خطای مطلق میانگین (mae) و واریانس (vaf) محاسبه شده و با نتایج بدست آمده از شبکه عصبی مصنوعی (ann) و آنالیز رگرسیون (mra) که توسط erzin et al. (2011) انجام شده بود مقایسه گردید.