چکیده: تحقق کشاورزی پایدار در هر منطقه مستلزم رعایت مباحث مدیریتی می باشد. بدین معنی که به منظور دست-یابی به عملکرد مطلوب اطلاع از کلیه ی فاکتورهای تأثیرگذار بر محصولات کشاورزی ضروری است. برآورد میزان عملکرد محصولات استراتژیکی نظیر گندم به دلیل اهمیتی که در برنامه ریزی اقتصادی دارند بسیار حائز اهمیت است. هدف اصلی پژوهش حاضر، تعیین پارامترهای مؤثر در برآورد میزان عملکرد گندم آبی و توسعه ی یک مدل شبکه ی عصبی مصنوعی جهت پیش بینی عملکرد گندم آبی به کمک پارامترهای اقلیمی در شهرستان شاهرود و در حد فاصل سال های 1375 تا 1393 می باشد. به منظور کاربرد شبکه ی عصبی از نرم افزار Qnet 2000 که قابلیت تعیین درصد تأثیرگذاری پارامترهای ورودی را بر خروجی دارد استفاده گردید. ورودی های مدل شامل حداقل مطلق دما، میانگین حداقل دما، حداکثر مطلق دما، میانگین حداکثر دما و متوسط دما، حداقل مطلق رطوبت نسبی، میانگین حداقل رطوبت نسبی، حداکثر مطلق رطوبت نسبی، میانگین حداکثر رطوبت نسبی و متوسط رطوبت نسبی، بارندگی، حداکثر سرعت باد، حداکثر ساعات آفتابی، تعداد روزهای یخبندان، عمق آب آبیاری و تبخیر-تعرق بودند. نتایج این تحقیق نشان داد که پارامترهای حداقل مطلق دما و عمق آب آبیاری بیش ترین و پارامتر سرعت باد کم ترین تأثیر را در برآورد میزان عملکرد در منطقه مورد مطالعه داشتند. هم چنین بر اساس نتایج به دست آمده شبکه ی عصبی با تابع محرک سیگموئید و ساختار 1-15-15-7 (7 نرون ورودی، 2 لایه ی میانی و 1 خروجی) بهترین نتایج را به همراه داشت به نحوی که مقدار ریشه میانگین مربعات خطا 167 = RMSE کیلوگرم در هکتار به دست آمد. اگرچه تعداد سال هایی که عملکرد محصول گندم در قیاس با مقدار واقعی آن کم تر برآورد شده، بیش تر هستند با این حال بیش ترین خطای برآورد مربوط به سال های 8 و 10 است (به ترتیب 19.78 و 17 درصد افزایش نسبت به حالت واقعی) که جزء سال های بیش برآورد به حساب می آیند. نتایج این تحقیق نشان داد که با حذف مؤلفه های حداقل مطلق دما و عمق آب آّبیاری به ترتیب ریشه میانگین مربعات خطا از 167 کیلوگرم در هکتار به 548 و 352 کیلوگرم در هکتار افزایش خواهد یافت. نتایج این تحقیق نشان داد که شبکه ی عصبی مصنوعی در صورت آموزش صحیح و استفاده از داده های مؤثر و قابل اعتماد می تواند جایگزین مناسبی برای مدل های شبیه ساز گیاهی در منطقه مورد مطالعه باشد.