چکیده: امروزه توسعه روش دقیق‌تر در تولید محصولات کشاورزی، یکی از راهکارها در جهت به حداقل رساندن فشار ناشی از عملیات کشاورزی بر کیفیت محیط زیست می‌باشد. از این ‌رو راه‌حلی که میزان عناصر غذایی خاک را به راحتی پیش‌بینی کند و باعث کاهش هزینه و صرفه‌جویی در زمان آن گردد، می‌تواند در استفاده بجا و بهینه از کودهای شیمیایی در خاک‌هایی که با کمبود عناصر غذایی مواجه هستند کارآمد باشد. در سال‌های اخیر استفاده از روش‌های غیر مستقیم مانند شبکه عصبی مصنوعی و سیستم استنتاج عصبی- فازی تطبیقی و مدل‌های مشابه دیگری برای برآورد این خصوصیات مورد توجه قرار گرفته است. این مطالعه به منظور پیش‌بینی عناصر نیتروژن، فسفر و آهن خاک منطقه اینچه‌برون واقع در استان گلستان با استفاده از شبکه عصبی مصنوعی (NNA) و سیستم استنتاج عصبی - فازی تطبیقی (ANFIS) و مقایسه دو مدل مذکور پایه‌ریزی شده است. بر این اساس تعداد 20 پروفیل در قطعات 5 هکتاری از یکدیگر حفر گردید و از سه عمق 0-30، 30-60، 60-90 سانتی‌متری نمونه‌گیری انجام شد. پس از آن تجزیه فیزیکی و شیمیایی نمونه‌های جمع‌آوری شده در آزمایشگاه انجام گردید. قبل از شروع آموزش مدل‌ها، داده‌ها به دو دسته آموزشی و آزمون تقسیم شدند. که 80 درصد داده‌‌های مورد استفاده برای آموزش مدل‌ و 20 درصد آنها برای امتحان و ارزیابی خروجی مدل استفاده گردید. سپس پارامترهای ماده آلی، درصد رس، هدایت الکتریکی و اسیدیته گل اشباع به عنوان پارامترهای ورودی و عناصر نیتروژن، فسفر و آهن خاک، به عنوان پارامترهای خروجی به مدل داده شدند. همچنین با انجام آنالیز حساسیت به منظور تعیین همبستگی میان پارامترهای ورودی و خروجی مدل، ماده آلی بیشترین میزان همبستگی را با عناصر نیتروژن، فسفر و آهن خاک از خود نشان داد. نتایج حاصل از مطالعه حاضر کارایی بالاتر مدل شبکه عصبی مصنوعی را نسبت به سیستم استنتاج عصبی- فازی تطبیقی نشان می‌دهد. علاوه بر آن شبکه عصبی مصنوعی عملکرد بهتری را نسبت به سیستم استنتاج عصبی - فازی تطبیقی در مرحله صحت‌سنجی از خود نشان داد.