نوقشت رسالة الماجستير للباحثة جنان علي عبد الكريم في كلية الهندسة جامعة البصرة قسم الهندسة المدنية وتحت اشراف الاستاذ الدكتور عمار سلمان داود والاستاذ المساعد الدكتور احسان قاسم محمد بعنوان تطبيق الذكاء الاصطناعي للتنبوء بكافة التربة في الحقل وتتضمن 

في الهندسة الجيوتقنية يعد حدل التربة ذا أهمية كبيرة في تحديد الكثافة الجافة الحقلية، لأنه يعمل على تحسين الخصائص الهندسية للتربة ويزيد من استقرار المشاريع الإنشائية. ولتقييم كفاءة عمليات الحدل، من الضروري قياس درجة الكثافة الجافة، وهناك عدد من الطرق لإجراء ذلك في الحقل.
يمكن استخدام طرق مختلفة لقياس هذا المتغير، ولكل طريقة مزاياها وعيوبها. ويعتمد اختيار الطريقة المناسبة عادةً على متطلبات المشروع، ونوع المواد المستخدمة، وكذلك مستوى الدقة المطلوبة في القياسات.
يمكن لخوارزميات الذكاء الاصطناعي أن تتعلم العلاقات المعقدة بين الكثافة الحقلية ومعاملات التربة، وقد تكون قادرة على تجاوز الصعوبات المرتبطة بالطرق التقليدية. كما أن قدرتها على معالجة كميات كبيرة من البيانات وأخذ العلاقات غير الخطية بنظر الاعتبار تجعل الذكاء الاصطناعي خيارًا واعدًا ومثيرًا للاهتمام في هذا المجال.
نظرًا لندرة الدراسات المتعلقة بتطبيق أساليب الذكاء الاصطناعي في تحديد كثافة التربة، اعتمدت هذه الدراسة على عدة تقنيات، وهي الشبكات العصبية الاصطناعية (ANN) والغابات العشوائية (RF) وآلة متجهات الدعم (SVM)، بالإضافة إلى تحليل الانحدار متعدد المتغيرات (MLR) ، وذلك للتنبؤ بكثافة التربة في مشروع طريق البصرة–الفاو.
تم اختبار نماذج الذكاء الاصطناعي لتقدير كثافة التربة الموقعية الجافة باستخدام معاملات التربة المتمثلة في (نسبة الحصى، نسبة الرمل، المحتوى الناعم، حد اللدونة، وحد السيولة) كمدخلات لهذه النماذج. ولهذا الغرض تم جمع ستة وثمانين نموذجًا من التربة، وأُجريت عليها الاختبارات اللازمة في المختبر وكذلك في الحقل لإيجاد معاملات التربة أعلاه.
تم تحديد دقة التنبؤ من خلال إيجاد معامل الارتباط وجذر متوسط مربع الخطأ(RMSE). وبالمقارنة بين النماذج المستخدمة، أظهرت نتائج البحث الحالي أن نموذج الشبكة العصبية الاصطناعية (ANN) يمتلك أداءً أفضل من حيث دقة التنبؤ، حيث بلغت قيمة معامل التحديد (R²) حوالي 0.98786.