نفوذپذیری یکی از پارامترهای مهم فیزیکی و هیدرولیکی خاک می باشد و تعیین مدلی کارآمد در برآورد میزان نفوذپذیری از اهمیت بسزایی برخوردار است. در این پژوهش سرعت نفوذ آب به خاک از سه روش هوشمند شبکه های عصبی مصنوعی، سیستم تطبیقی عصبی فازی و شبکه عصبی ژنتیک برآورد شد. سناریوهای اطلاعاتی ورودی در قالب هشت سناریو شامل برخی خصوصیات فیزیکی و شیمیایی حاصل از 60 محل نمونه برداری در خاک های حاشیه رودخانه قزل اوزن استان زنجان بود. ارزیابی ها براساس آماره های مجذور میانگین مربعات خطا (RMSE)، میانگین خطای سوگیری (MBE)، ضریب همبستگی و کارایی مدل صورت گرفت. نتایج نشان داد براساس آماره های RMSE و MBE، الگوریتم ژنتیک به میزان 2/82 و 24/88 درصد نسبت به سیستم تطبیقی عصبی فازی و 1/48 و 43/71 درصد نسبت به شبکه عصبی مصنوعی دقت را بهبود بخشید. به همین ترتیب، کارایی مدل ساختار مناسب عصبی ژنتیک، 996/0، سیستم تطبیقی عصبی فازی 863/0 و عصبی مصنوعی 984/0 به دست آمد که نشان دهنده کارایی بالاتر شبکه عصبی ژنتیک است. نتایج حاصل از مقایسه آزمون تی استیودنت هر یک از سناریوهای سه مدل در سطح یک و پنج درصد، حاکی از عدم تفاوت معنی دار بین سناریوهای هشت گانه شبکه های هوشمند است. به طور کلی، بر اساس نتایج این پژوهش می توان از سناریوی هشتم تنها با سه نرون اطلاعاتی زودیافت مربوط به درصد ذرات خاک که عملکرد قابل قبولی هم دارد، استفاده نمود.
