ضریب انتشار پذیری خاک یک خاصیت قابل اندازه گیری محیط متخلخل و یکی از پارامتر های مهم معادله جابجایی - انتشار می باشد. با توجه به اهمیت برآورد این پارامتر، در تحقیق حاضر از مدل شبکه عصبی مصنوعی و رگرسیون آماری استفاده گردید. بدین منظور از داده های آزمایشگاهی که از یک مدل فیزیکی به شکل تانک مستطیلی به طول 1550 میلی متر، عرض 100 میلی متر و ارتفاع 600 میلی متر جمع آوری شد، استفاده گردید. دادههای جمعآوری شده مربوط به خاک ماسه ای در پنج اندازه بسیار درشت، 100 و 125 سانتیمتر با 5 سرعت ،75 ،50 ، درشت، متوسط، ریز و بسیار ریز می باشند که در پنج فاصله 25 متفاوت و کلرید سدیم با غلظت 9 گرم بر لیتر به عنوان آلاینده پایدار انتخاب گردید. از داده های اندازه گیری شده شامل: فاصله انتقال، قطر متوسط ذرات، وزن مخصوص ظاهری، تخلخل، هدایت هیدرولیکی، سرعت متوسط آلودگی به عنوان پارامترهای ورودی و ضریب انتشارپذیری خاک به عنوان پارامتر خروجی استفاده و (MAE) متوسط قدر مطلق خطا ،(RMSE) شد. از معیارهای آماری مانند متوسط مجذور مربعات خطا برای بررسی توانایی مدل ها در برآورد ضریب انتشار پذیری خاک مورد استفاده قرار گرفت. (R ضریب تبیین( 2 نتایج حاصل نشان می دهد شبکهعصبی مصنوعی قابلیت نسبتا بالایی در پیش بینی ضریب انتشار پذیری خاک دارد. همچنین مدل شبکه عصبی مصنوعی با داشتن یک لایه پنهان و تابع گوسن دارای بهترین نتیجه می باشد. همچنین مقایسه بین نتایج مدل شبکه عصبی مصنوعی و مدل رگرسیون نشان می دهد کارایی مدل شبکه عصبی بهتر از مدل آماری می باشد.
