کارکرد با بالاترین ظرفیت از مهمترین اهداف کاری برای کمباین های امروزی است. بالاترین ظرفیت کمباین با بیشترین میزان موادغیردانه ای عبوری از کمباین سنجیده می شود که با افزایش سرعت پیشروی مقدار ظرفیت افزایش پیدا خواهد کرد. عامل محدود کننده افزایش سرعت پیشروی و به تبع آن ظرفیت، کیفیت برداشت است که با دو متغیر افت کمی و کیفی سنجیده می شوند. توسعه روش ها و الگوریتم هایی برای تنظیم اتوماتیک اجزای کمباین یکی از مهمترین افق های مهندسی ماشین های کشاورزی محسوب می شود. متغیرهای ورودی متعددی را می توان برای تنظیم اجزای کمباین در نظر گرفت تا بهینه ترین نقطه برای بازدهی کمباین حاصل گردد. بازده کمباین علاوه بر تاثیر پذیری از افت کمی( افت عقب کمباین) از افت کیفی( درصد دانه های شکسته و درصد کزل های کوبیده نشده در مخزن) نیز متاثر است. مدل ریاضی قابل توجهی برای این شاخص های بازدهی کمباین ارائه نشده است. در این رساله افت کمی و افت کیفی کمباین براساس متغیرهای عمکرد مزرعه ای، رطوبت دانه، ارتفاع بوته، ارتفاع برش، سرعت پیشروی، سرعت دورانی کوبنده، فاصله کوبنده و ضدکوبنده، دور دمنده، میزان باز بودن الک ها، رطوبت نسبی پای بوته و دمای پای بوته؛ به روش شبکه عصبی مدل شد. شبکه های مختلفی به روش آزمون و خطا بررسی شد و شبکه پرسپترون چند لایه با ده نرون در لایه نهان، مناسب ترین شبکه برآورد شد. ضریب همبستگی شبکه برای تخمین مقدار افت عقب کمباین برای داده های فاز آموزش و آزمون به ترتیب 0/9938 و 9340/0 محاسبه شد. شبکه درصد وزنی دانه های شکسته در مخزن را نیز به ترتیب با ضریب همبستگی 0/9973 و 0/9870 برای داده های فاز آموزش و آزمون پیش بینی نمود و این رقم برای درصد وزنی کزل در مخزن به ترتیب برابر 0/9915 و 0/9701 محاسبه شد.