چکیده ضروری است که با بررسی مدل های پیش بینی کننده جدیدو یافتن نقاط ضعف و قوت هر یک از آنها، بتوان در مطالعات آینده، مدلی که محققان را به بهترین پیش بینی رهنمون سازد، پیشنهاد نمود. هدف از این پژوهش بررسی امکان پیش بینی عرض عملیات خاکی با روش شبکه عصبی مصنوعی قبل از ساخت جاده با استفاده از فاکتور های شکل زمین (شامل ارتفاع از سطح دریا، شیب طبیعی دامنه و جهت آن)، میزان سنگلاخی بودن، بافت و رطوبت طبیعی خاک است. برای نیل به این هدف،192 نمونه در جاده های جنگلهای سوردار-واتاشان جمع آوری شد. بعد از بررسی نرمال بودن و همگنی، داده ها با استفاده از آزمونهای آماری همبستگی spearman، pearson و اتا توسط نرم افزار spss17 مورد تجزیه وتحلیل قرار گرفتند. برای تعیین تاثیر هر کدام از فاکتورهای ذکر شده و نیز تاثیر مشترک آنها بر روی متغیر مورد مطالعه از آزمون آنالیز واریانس یک طرفه، گروه بندی دانکن و آنالیز واریانس دوطرفه استفاده شد. سپس بر اساس این ارزیابی با استفاده از 3 پارامتر شیب دامنه، نسبت سنگی و بافت خاک به عنوان متغیر های مستقل و عرض عملیلت خاکی به عنوان متغیر وابسته به آموزش دو شبکه عصبی تابع پایه شعاعی rbf و پرسپترون چند لایهmlp در نرم افزارmatlab7.6 پرداخته شد. پس از بررسی شاخص های عملکرد شبکه، از جمله ضریب تعیین، مجذور میانگین مربعات خطا، میانگین مطلق خطا، مشاهده شد که پیش بینی عرض عملیات خاکی با دقت قابل قبولی انجام شده است. نتایج نشان داد که در مجموع عملکرد شبکه عصبی پروسپترون چند لایه بهتر از شبکه تابع پایه شعاعی بوده است. مهمترین پارامتر در این پیش بینی شیب طبیعی دامنه بود نتایج این پژوهش، زمینه را برای طراحی شبکه عصبی مصنوعی با قابلیت پیش بینی مناسبی برای عرض عملیات خاکی جاده های جنگلی در شرایط توپوگرافی جنگل های کوهستانی فراهم می آورد.