به علت تغییرپذیری بالا و پیچیدگی خاک به دست آوردن ویژگیهای هیدرولیکی خاک به طور مستقیم مشکل، وقتگیر و پرهزینه است. در نتیجه لازم است با روشهای غیرمستقیم تخمین زده شوند. این مطالعه در دو بخش انجام شد. در بخش اول 74 نمونه خاک از استان گیلان تهیه و متغیرهای توزیع اندازه ذرات و خاکدانههای ریز، جرم مخصوص ظاهری و رطوبت در مکشهای 2، 5، 33، 100 و 1500 کیلوپاسکال اندازهگیری گردید. پارامترهای فرکتالی برای توزیع اندازه ذرات خاک و خاکدانههای ریز و پارامترهای توزیع اندازه ذرات مدل فردلاند و همکاران محاسبه و از آنها برای تخمین رطوبت در مکشهای مورد نظر با روشهای رگرسیونی و شبکههای عصبی مصنوعی استفاده شد. به طور کلی استفاده از پارامترهای مدلهای توزیع اندازه ذرات و خاکدانههای ریز موجب بهبود تخمین منحنی نگهداری آب خاک گردید. در بخش دوم تعداد 147 نمونه خاک دست خورده و دست نخورده از استانهای آذربایجانغربی، آذربایجانشرقی، مازندران، همدان و کرمانشاه تهیه و متغیرهای توزیع اندازه ذرات (psd)، جرم مخصوص ظاهری (bd)، شاخص انبساط آزاد (fsi)، گنجایش تبادل کاتیونی (cec)، رطوبت در مکشهای مختلف اندازهگیری گردید. برای پیش بینی پارامتر های دو مدل دکستر و گرنوالت و گرنت و مقدار رطوبت در مکشهای ذکر شده دو روش رگرسیون خطی و شبکههای عصبی مصنوعی بکار گرفته شدند. تخمین پارامتریک نسبت به تخمین نقطهای دقت بالاتری را نشان داد. در تخمین منحنی مشخصه رطوبتی خاک با استفاده از کل دادهها روش شبکه عصبی مصنوعی در مقایسه با روش رگرسیون چند متغیره خطی دقت بالاتری داشت. بطورکلی شاخص انبساط آزاد باعث بهبود معنیدار دقت تخمین نقطهای و پارامتریک منحنی مشخصه رطوبتی خاک شده و گروهبندی دادهها تاثیر مثبت در بهبود تخمینها داشت.