La capacidad de hinchamiento es una propiedad vital de los suelos de grano fino estrictamente relacionada con las propiedades índice y la composición química. La integración de técnicas de aprendizaje automático y parámetros geotécnicos proporcionó un nuevo enfoque integrador para predecir el índice de hinchamiento libre (FSI) y la presión de hinchamiento (SP). En este documento, se presenta un sistema de inferencia neurodifuso adaptativo (ANFIS) utilizando el algoritmo de búsqueda de Reptile (RSA) para predecir la capacidad de hinchamiento de los suelos de grano fino en la cama de cimentación en la ciudad de El Sherouk, Egipto. El modelo predictivo desarrollado, llamado RSA-ANFIS, utilizó como entrada 108 muestras de suelo natural de grano fino de parámetros geotécnicos índice y composición química como datos de entrada y los datos medidos del índice de hinchamiento libre y la presión de hinchamiento como datos de salida. Para justificar el rendimiento del modelo desarrollado, se realizó un estudio comparativo, y los resultados muestran que el RSA-ANFIS desarrollado tiene un alto rendimiento sobre los métodos competitivos en términos de coeficiente de determinación, error cuadrático medio (RMSE) y error absoluto medio (MAE). Este nuevo enfoque integrador se considera en una etapa altamente desarrollada para predecir y mejorar el análisis del comportamiento del suelo de múltiples parámetros y podría aplicarse en otros conjuntos de datos de variables objetivas.