Активное развитие строительной отрасли ведет к тому, что охватываются территории, сложенные специфическими грунтами. Увеличивается этажность и сложность возводимых конструкций. Ограниченные денежные и временные ресурсы требуют более эффективных методов предварительной разведки застраиваемой площадки. В связи с этим повышаются требования к проведению инженерно-геологических исследований. Особого внимания требуют территории, сложенные набухающими грунтами. Набухающие глинистые породы обладают свойством изменять свой объем при увлажнении и тем самым представляют серьезную угрозу для устойчивости конструкций и фундаментов. Измерение характеристик набухания занимает длительного периода времени и значительного вклада денежных средств. Целью данного исследования является установление взаимосвязи геологических и физических характеристик глинистых грунтов, на получение которых затрачиваются минимальные ресурсы, от их относительного набухания с применением методов машинного обучения. В качестве входных данных для построения модели относительного набухания глинистых пород использовались физические характеристики грунтов такие как естественная влажность, влажность на границе текучести, влажность на границе раскатывания, число пластичности, показатель текучести, плотность частиц грунта, плотность грунта, плотность сухого грунта, плотность во взвешенном состоянии, коэффициент пористости, полная влагоемкость, степень влажности. По данным характеристикам было построено три модели относительного набухания следующими методами машинного обучения: Decision tree, Gradient Boosting, Random Forest. Оценка моделей производилось по параметру Mean Squared Error, который измеряет среднеквадратичное отклонение между прогнозируемыми и истинными значениями. В результате оценки данного критерия, для построения модели относительного набухания была выбрана модель Random Forest. Наличие прогностической модели относительного набухания позволит сэкономить денежные и временные ресурсы на предварительной стадии инженерно-геологических исследований.

глинистые породы, монтмориллонитовые глины, набухание, модель случайный лес, четвертичные отложения, неогеновые отложения