در این تحقیق میزان خردایش و عقب زدگی ناشی از عملیات آتشباری معدن سنگ آهن چادرملو بوسیله ی شبکه عصبی مصنوعی تخمین زده شده است. به منظور ساخت مدل شبکه عصبی اطلاعات مربوط به 87 سری بلوک انفجاری مورد استفاده قرار گرفت. سپس تعداد 10 پارامتر به عنوان ورودی شبکه و میزان خردایش و عقب زدگی به عنوان خروجیهای آن انتخاب شد. به منظور تعیین میزان عملکرد و کارایی مدلهای ساخته شده از سه ضریب آماریr2, rmse, vaf استفاده شد. مقادیر این ضرایب برای مدل ساخته شده جهت پیش بینی عقب زدگی به ترتیب 93 % ،0/85، 0/951 و برای مدل خردایش به ترتیب 93 % ،2/84 ،0/929 بدست آمد که نشان دهنده ی کارایی بالای مدلهای ساخته شده است. علاوه بر این، مقادیر این ضرایب برای مدلهای رگرسیونی میزان عقب زدگی و خردایش نیز بدست آورده شد. برای مدل رگرسیون چند متغیره مربوط به عقب زدگی این ضرایب به ترتیب برابر 63 % ، 1/39 ، 0/647 و برای مدل رگرسیون خردایش 52 % ، 6/84 ، 0/539 بدست آمد. مقادیر بدست آمده نشان می دهد که مدلهای شبکه عصبی نسبت به رگرسیون ارجحیت دارند. به منظور تعیین میزان حساسیت پارامترهای خروجی مدلهای ساخته شده نسبت به پارامترهای ورودی از روش میدان کسینوسی استفاده شد. نتایج بدست آمده نشان داد که مقدار بارسنگ، فاصله جناحی چالها، قطر چال، ارتفاع پله و طول گل گذاری بیشترین تأثیر را بر روی میزان عقب زدگی و خردایش دارند. به منظور شناخت تأثیر نوع پارامترهای ورودی بر روی مدلهای شبکه عصبی، برخی از پارامترها به صورت نسبت بکار برده شد. مثلاً بجای استفاده از بارسنگ و فاصله جناحی به صورت جداگانه، نسبت آنها به عنوان پارامتر ورودی در نظر گرفته شد. نتایج حاصل از این مدلها نشان داد که مقادیر ضرایب آماری تعریف شده نسبت به مدلهای قبلی کمتر است ولی در مقایسه با مدلهای رگرسیونی همچنان کارایی بالاتری دارند.