چکیده: نفوذپذیری و ظرفیت تبادل کاتیونی از مهم ترین پارامترهای فیزیکی و شیمیایی خاک، به حساب می آیند که اندازه گیری مستقیم آنها دشوار است و نیاز به وقت و هزینه زیادی دارد. با توجه به مشکلات اندازه گیری مستقیم این پارامترها در سالهای اخیر استفاده از روشهای غیرمستقیم مانند شبکه عصبی مصنوعی برای برآورد این خصوصیات مورد توجه قرار گرفته است. امروزه روش شبکه عصبی مصنوعی با کارایی بالا در مدل سازی مسایل غیر خطی کاربرد روزافزون آن را سبب شده است. در این پژوهش 100 نمونه خاک جمع آوری شده از منطقه قوشه واقع در استان سمنان مورد آزمایش قرار گرفت. نیمی از این تعداد نمونه ها از خاکهای بکر و نیمی از آنها از اراضی کشاورزی منطقه جمع آوری شد. پارامترهای فیزیکی و شیمیایی خاک شامل هدایت الکتریکی، فراوانی نسبی ذرات، درصد آهک، نسبت جذب سدیم (SAR) و وزن مخصوص ظاهری به عنوان ویژگی های زود یافت و نفوذپذیری نهایی و ظرفیت تبادل کاتیونی به عنوان پارامترهای دیر یافت مورد بررسی قرار گرفت. همچنین پارامترهای (pH)، تخلخل و ماده آلی خاک نیز اندازه گیری شدند که در طی تحقیق و پس از بررسی آنالیز حساسیت، حذف گردیدند. داده ها جمع آوری شده بصورت تصادفی به دو دسته آموزش و صحت سنجی تقسیم شدند و از آنها برای آموزش و ارزیابی مدلهای شبکه عصبی شامل پرسپترون چند لایه (MLP) و توابع پایه شعاعی RBF)) و همچنین رگرسیون خطی استفاده شد. نتایج حاصل از این تحقیق کارایی بالاتر مدل های شبکه عصبی مصنوعی را نسبت به روش رگرسیون خطی نشان می دهد. علاوه بر آن شبکه MLP دارای عملکرد بهتری نسبت به شبکه RBF در دو مرحله آموزش و صحت سنجی بوده است. همچنین به منظور تعیین همبستگی هر یک از پارامترهای ورودی با مقدار نفوذپذیری و ظرفیت تبادل کاتیونی خاک از آنالیز حساسیت نیز استفاده گردید، که بر اساس نتایج به دست آمده، درصد رس و آهک خاک بیشترین همبستگی را با ظرفیت تبادل کاتیونی خاکهای کشاورزی و بکر و درصد شن و (EC) بیشترین همبستگی را با نفوذپذیری خاکهای کشاورزی و بکر، از خود نشان دادند.