توصیف خصوصیات خاک برای پی بردن به فرآیندهای درونی خاک و نقش آن در آبیاری و زهکشی حائز اهمیت است. هدایت هیدرولیکی خاک از جمله خصوصیات فیزیکی خاک است که اثرپذیری بالایی نسبت به مکان و زمان دارد. از آنجا که اندازه گیری این پارامتر پرهزینه و زمان بر است از روش های غیرمستقیم در تخمین آن استفاده می-شود. توابع انتقالی و شبکه های عصبی مصنوعی (ANN) به عنوان روش های غیرمستقیم در برآورد ویژگی های دیریافت خاک مطرح هستند که خصوصیات زودیافت خاک را به سایر خصوصیات خاک ارتباط می دهند. هدف از این پژوهش برآورد هدایت هیدرولیکی اشباع و غیراشباع توسط زهکش داخلی و شبکه عصبی مصنوعی با استفاده از بعد فراکتالی خاک و پارامترهای زودیافت خاک می باشد. بدین منظور آزمایشات مربوط به محاسبات هدایت هیدرولیکی اشباع و غیراشباع و هم چنین محاسبه خصوصیات فیزیکی خاک در سه کاربری مرتعی،کشاورزی و باغی انجام شد. از هر کاربری 10 نمونه خاک به صورت کاملاً تصادفی برداشت گردید. بهترین تابع شبکه عصبی مصنوعی برای برآورد هدایت هیدرولیکی در نقاط فشاری 1، 2، 4، 5 بار و نقطه اشباع بر اساس پارامترهای آماری ضریب همبستگی (R2) و میانگین ریشه مربعات خطا (RMSE) انتخاب گردید. پارامترهای چگالی ظاهری، چگالی حقیقی، تخلخل، ماده آلی، درصد شن، درصد رس، درصد سیلت، پتاسیم، سدیم، شوری، pH، بعد فراکتالی و هدایت هیدرولیکی اشباع به عنوان ورودی انتخاب شدند. مقادیر R2 برآورد شده از توابع منتخب شبکه عصبی مصنوعی در نقاط مختلف هدایت هیدرولیکی در دامنه 94/0 تا 99/0 و مقادیر RMSE آن ها در بازه 003/0 تا 15/0 می باشد. نتایج بررسی توابع شبکه عصبی مصنوعی نشان می دهد توابع سیگموئید و تانژانت به عنوان توابع محرک و تابع لونبرگ مارکوات به عنوان تابع آموزش بهترین ساختار شبکه را در برآورد هدایت هیدرولیکی دارند. هم چنین مشخص گردید شبکه عصبی مصنوعی دقت بالایی در برآورد هدایت هیدرولیکی اشباع و غیراشباع دارد.
