本书主要介绍了常见的机器学习方法及其在岩土工程领域的应用，共15章内容，包括基坑支护结构的内力与位移预测、土体物理与力学参数之间的转换、预制桩可贯入性评估、隧道工程中沉降分析预测以及病害识别等。本书展示了机器学习方法在岩土工程领域的巨大潜力，也是智慧岩土工程学科方向的发展补充。本书适合土木工程、水利工程、市政工程、地质学等相关专业科研院所、企事业单位及个人阅读使用。

第1章 绪论
第2章 人工神经网络
第3章 支持向量机
第4章 随机森林
第5章 优选土钉轴力神经网络模型
第6章 基于机器学习的土钉墙水平位移计算方法
第7章 基于人工神经网络的软土力学性质预测
第8章 软计算在地下工程建设中的应用
第9章 基于机器学习的各向异性黏土双隧道衬砌响应预测
第10章 基于贝叶斯优化的特别梯度提升和随机森林方法预测不排水抗剪强度
第11章 基于随机森林回归和多元自适应回归样条的预制桩可打性评估
第12章 基于极限梯度提升和随机森林回归的各向异性黏土开挖支撑基底隆起稳定性评估
第13章 预测土压平衡盾构引起地表沉降的软计算方法
第14章 盾构隧道地面沉降分析和预测
第15章 盾构隧道衬砌表观病害图像自动识别
附录1 总数据库土钉墙设计参数值及实测土钉轴力
附录2 ANN模型、RF模型和SVM模型的8个输入参数及水平位移实测值
附录3 深支撑开挖地下连续墙的平面应变有限元分析结果