چکیده: اندازه گیری رطوبت حجمی خاک و آب قابل دسترس برای گیاهان در رشته های مختلف مانند خاکشناسی، هیدرولوژی و مهندسی آب بسیار مهم است. بنابراین بررسی متعدد رطوبت خاک و میزان قابل استفاده آن برای گیاه از مهم ترین موضوعات در علم رابطه آب، خاک وگیاه است. برای تعیین رطوبت از روش های مختلفی مانند روش مستقیم (روش وزنی) و روش های غیر مستقیم مانند استفاده از دستگاه TDR و شبکه های هوش مصنوعی مانند شبکه عصبی، فازی، فازی- عصبی، الگوریتم ژنتیک می توان بهره جست. در سال های اخیر استفاده از روش های غیر مستقیم مانند شبکه عصبی مصنوعی برای برآورد ویژگی های خاک مورد توجه قرار گرفته است. لذا در این تحقیق به منظور تخمین رطوبت حجمی خاک با استفاده از مدل شبکه عصبی مصنوعی از ویژگی های وزن مخصوص ظاهری، تخلخل، مواد آلی و زمان در سه نوع خاک با بافت سبک، متوسط و سنگین استفاده گردید ونتایج حاصل با مدل رگرسیون خطی چند متغیره و روش TDR مقایسه گردید. همچنین تغییرات زمانی رطوبت حجمی در هر سه نوع خاک برآورد شد و برای ارزیابی و تجزیه و تحلیل آماری از پارامترهای ضریب تبیین (R squared, R2)، میانگین خطای مطلق (Mean Absolute Error, MAE) میانگین مجذور ریشه خطا (Root Mean Squared Error, RMSE) استفاده گردید. نتایج حاصل از این تحقیق کارایی بالاتر مدل شبکه عصبی مصنوعی را با R2(97/0، 99/0، 97/0) ، RMSE (785/0، 401/0، 860/0) و MAE (551/0، 312/0، 685/0) به ترتیب برای مرحله صحت یابی بافت سبک، متوسط و سنگین نسبت به روش رگرسیون چند متغیره خطی و روش TDR نشان می دهد.