پایداری خاکدانه یکی از مهمترین ویژگیهای فیزیکی خاک است که اندازهگیری مستقیم آن دشوار و زمانبر می- باشد. هدف از این پژوهش تخمین پایداری خاکدانه با استفاده از دادههای زود یافت و مدل شبکه عصبی مصنوعی میباشد. بدین منظور، در 611 نقطه در منطقه قروه استان کردستان بافت خاک، کربن آلی، هدایت الکتریکی، pH ، کربنات کلسیم، SAR و پایداری خاکدانه اندازهگیری شدند. پس از انجام تست آنالیز حساسیت پارامترهای کربن آلی، کربنات کلسیم و SAR به عنوان ورودیهای مدل انتخاب شدند. دادهها به دو سری آموزشی ) 01 درصد دادهها( و آزمون ) 91 درصد داده ها( تقسیم شدند. نتایج ارزیابی مدل بر اساس شاخصهای ریشه میانگین مربعات خطا و ضریب تبیین نشان داد که الگوریتمهای آموزشی Momentum دارای بالاترین دقت در تخمین پایداری خاکدانه در مقایسه با الگوریتمهای Quick prop ، Levenberg Marguan ، Conjugat Gradient و Delta Bar Delta میباشد و شبکه عصبی میتواند در تخمین پایداری خاکدانه به کار برده شود و نتایج مطلوبی بدست آورده شود.
