Áp lực tiền cố kết (Pc) của đất yếu ở một số khu vực Đồng bằng Bắc Bộ Việt Nam đã được dự đoán bằng Trí tuệ nhân tạo - Máy học thông qua 3 mô hình: Hỗ trợ hồi quy vectơ (SVR), Mạng nơron nhân tạo đa lớp Perceptron (ANN MLP), Hồi quy Ridge (RR) . Các mô hình đó được xây dựng bằng ngôn ngữ lập trình Python và thư viện máy học phần mềm Scikit-learning. Số liệu cho nghiên cứu này là 159 mẫu đất yếu được lấy tại công trường với đầy đủ các chỉ tiêu cơ lý đạt được từ các thí nghiệm trong phòng thí nghiệm tại các tỉnh Quảng Ninh, Hải Phòng, Thái Bình, Nam Định, Ninh Bình và Hải Dương. Chúng tôi sử dụng 15 đặc tính vật lý của đất làm đầu vào để phân tích mối tương quan với Pc. Sau khi loại bỏ các thông số có mối tương quan yếu với Pc, ta có 6 thông số tương quan mạnh với Pc: độ sâu lấy mẫu trên (m), độ sâu lấy mẫu dưới (m), hàm lượng sét (%), chỉ số thanh khoản, khối lượng riêng (g / cm3), tỷ lệ rỗng. Để dự đoán Pc, các mô hình được xây dựng với 70% tập huấn luyện và 30% tập thử nghiệm. Hiệu suất của các mô hình đã được xác nhận bằng cách sử dụng các biện pháp thống kê khác nhau: Sai số tuyệt đối trung bình (MAE), Hệ số tương quan trung bình trung bình gốc (RMSE) Hệ số tương quan (R) và Hệ số xác định (R2). Kết quả dự đoán mô hình Pc cho thấy hiệu suất của các mô hình sử dụng các phương pháp khác nhau là khác nhau nhiều, trong đó giá trị R2 thay đổi từ 0,728 đến 0,843. Nghiên cứu này cho rằng mô hình ANN-MLP có khả năng dự báo cao nhất trong 3 mô hình: R2 = 0,843, MAE = 0,143, RMSE = 0,187 và R = 0,923.