منحنی مشخصه رطوبتی خاک یکی از مهمترین شاخص هایی است که ویژگی های بخش غیر اشباع خاک را به صورت کمی بیان می کند. اما از آنجا که اندازه گیری مستقیم آن چه در مزرعه و چه در آزمایشگاه پر هزینه و و قت گیر بوده، از این رو استفاده از روش های غیرمستقیم برای مدل سازی رابطه غیرخطی منحنی مشخصه رطوبتی خاک اجتناب ناپذیر است. یکی از مهمترین و دقیق ترین آنها مدل آماری ون گنوختن می باشد. بدست آوردن پارامترهای این مدل نیازمند روشی دقیق با تکنیک کارآمدی است که بتواند در زمانی کوتاه، بهترین جواب ها را به دست آورد. در این تحقیق از روش بهینه سازی sa که یک روش عددی با ساختار تصادفی هوشمند بوده و مبتنی بر شبیه سازی فرآیند فیزیکی آنیلینگ می باشد، استفاده شده است. بدین منظور از اطلاعات مربوط به یک خاک لوم شنی استان همدان در سه سطح خاک ورزی (بی خاک ورزیnt، خاک ورزی با گاوآهن قلمیcp و خاک ورزی با گاوآهن برگردان دار، mp) استفاده شد. در ادامه به منظور ارزیابی نتایج حاصل، از مدل retc استفاده شد. برای بررسی کارایی روش های بکار رفته از چند شاخص آماری استفاده گردید. شاخص های (rmse و ef) در روش sa، برای سه سطح خاک ورزی nt، cpو mp به ترتیب (013/0 و 97/0)، (016/0 و 97/0) و (021/0 و 96/0) بدست آمد که بیانگر کارایی بالای روش sa در تخمین پارامترهای swcc بود. ضریب تعیین هم در سه سطح به ترتیب 98/0، 98/0 و 97/0 بدست آمد که نشان دهنده همبستگی خوب بین مقادیر مشاهداتی و برآورد شده بود. نتایج بدست آمده از مدل retc با اختلاف ناچیز تقریباً مشابه روش sa بود. این نتایج نشان داد از آنجا که مدل retc در تخمین ضرایب از تکنیک شبکه عصبی استفاده می کند و پارامترهای بیشتری در برآورد منحنی رطوبتی تأثیر دارند، این مدل برتری نسبی به روش sa دارد. اما در شرایطی که خصوصیات بافت و ساختمان خاک در دسترس نباشد روش sa با پارامترهای ورودی کمتری (مقادیر مکش و رطوبت متناظر) می تواند با دقت خوبی پارامترهای منحنی رطوبتی را تخمین بزند. همچنین نتایج حاصل از سه تیمار خاک ورزی نشان داد که در شرایط مختلف ساختمان خاک روش sa می تواند در هر سطحی مقادیر پارامترها را به خوبی شبیه سازی کند.