در مدیریت آبیاری سطحی، تابع نفوذ از اهمیت زیادی برخوردار است. معادلات ریاضی که تاکنون برای نفوذ توسعه یافته اند، توابع تـک متغیـره ای از زمان فرصت نفوذ می باشند. در این تحقیق پیش بینی متوسط میزان نفوذ در آبیاری جویچه ای توسط مدل های شبکه عصبی و عصبی- فازی به عنـوان مدل های تجربی و مدل رگرسیونی به عنوان مدل آماری با استفاده از رطوبت اولیه ی خاک و دبی ورودی به جویچه مورد بررسی قرار گرفت. بـه همـین منظور از یک سری آزمایش های صحرایی که به روش آبیاری جویچه ای در پنج مزرعه آزمایشی گلمکـان مـشهد، توتـون ارومیـه، صـفی آبـاد دزفـول، دانشگاه بیرجند و موسسه اصلاح بذر کرج در طی دورهی زمانی تابستان 1376تا تابستان 1385انجام شده بود و دارای طیف گسترده ای از نظـر بافـت خاک (سبک، متوسط و سنگین) بودند، استفاده شد. برای تعیین عوامل معادله ی نفوذ کوستیاکوف لـوییس از روش بـیلان حجـم در آبیـاری جویچـه ای استفاده گردید. نتایج نشان داد که دقت مدل رگرسیونی در خاک های سنگین در مقایسه با خاک های متوسط و سبک بیـشتر اسـت. مـدل شـبکه هـای عصبی در خاکهای متوسط (Silty Clay Loam) دقت مناسبی دارند و در خاکهای سنگین (Clay Loam) تمایل به بیش برآورد و در خـاک هـای نسبتا سبک ) (Silty Loam) تمایل به کم برآورد دارند. اما سیستم استنتاج فازی عصبی قادر است قابلیت تخمین را در تمام شرایط حفظ کند که این امر نشان از دقت بیشتر و قابلت تخمین زیاد سیستم استنتاج فازی عصبی دارد.
