امروزه یکی از مشکلات زیست محیطی مناطق پر جمعیت و صنعتی، آلودگی خاک و آب های زیرزمینی به فلزات سنگین می باشد. پژوهش ها در این زمینه و انتخاب روش های مناسب پاکسازی مناطق آلوده، مستلزم تعیین و تخمین ضرایب جذب آلاینده ها در خاک می باشد. اندازه گیری مستقیم ضرایب جذب مربوط به هر عنصر در خاک دشوار و زمان بر می باشد. به همین دلیل در سال های اخیر تلاش های فراوانی صورت گرفته تا با استفاده از ویژگی های زودیافت خاک و بدون نیاز به اندازه گیری مستقیم بتوان ضرایب جذب فلزات را با دقت قابل قبولی تخمین زد. هدف از این پژوهش، بررسی امکان استفاده از توابع انتقالی نظیر شبکه عصبی مصنوعی و رگرسیون چند متغیره برای برآورد ضرایب جذب نیکل با استفاده از ویژگی های زودیافت خاک بود. در همین راستا، برای برآورد ضرایب جذب نیکل، اقدام به نمونه برداری از 102 نقطه از سری خاک های استان مازندران گردید. ویژگی های خاک مانند ph، درصد رس، سیلت و شن، ماده آلی، آهک معادل و گنجایش تبادل کاتیونی به عنوان ویژگی های زودیافت خاک در نظر گرفته شدند. استخراج معادلات رگرسیونی جهت برآورد ضرایب جذب نیکل با استفاده از نرم افزار spss17 به روش مرحله به مرحله انجام شد. مدل سازی (برآورد) ضرایب جذب توسط شبکه عصبی مصنوعی با الگوریتم پس انتشار خطا، تابع یادگیری لونبرگ-مارکواردات و تابع انتقال tansig صورت پذیرفت. آنالیز حساسیت شبکه عصبی مصنوعی به روش statsoft انجام شد. بررسی استقلال خطا (تفاوت بین مقدار واقعی و مقادیر پیش بینی شده توسط رگرسیون) و هم راستایی بین متغیرهای مستقل به ترتیب با استفاده از آزمون دوربین- واتسون و فاکتور عامل تورم واریانس (vif) در نرم افزار spss17 انجام پذیرفت. رگرسیون چند متغیره اغلب ضرایب جذب نیکل را به بطور قابل قبولی پیش بینی نمود. در مدل های توسعه یافته جهت تخمین ضریب توزیع (kd) نیکل، درصد رس، ماده آلی و کربنات کلسیم معادل وارد مدل شدند. در تخمین ثابت های مدل فروندلیچ و لانگمویر، مهم ترین ویژگی هایی که وارد مدل شدند، گنجایش تبادل کاتیونی، کربنات کلسیم، ماده آلی و درصد رس بود. نتایج نشان داد که همبستگی قوی بین ضرایب جذب نیکل و ویژگی های زودیافتی مانند درصد ماده آلی، رس، کربنات کلسیم و گنجایش تبادل کاتیونی وجود داشت. آنالیز حساسیت شبکه عصبی نشان داد که درصد رس، ماده آلی و کربنات کلسیم معادل تأثیرگذارترین ویژگی های زود یافت بر ضرایب جذب نیکل می باشند. همچنین نتایج نشان داد که تفکیک نمونه های خاک بر اساس کاربری، باعث بهبود برآورد ضرایب جذب توسط رگرسیون و کاهش دقت برآورد ضرایب جذب به وسیله شبکه عصبی گردید. علت کاهش دقت شبکه عصبی در اثر تفکیک بر اساس کاربری ها را می توان به کاهش تعداد نمونه ها ارتباط داد. به طور کلی نتایج این پژوهش نشان داد که می توان با استفاده از توابع انتقالی ضرایب مختلف جذب نیکل را در خاک های استان مازندران و خاک های مشابه توسط ویژگی های زودیافت خاک تخمین زد. واژه های کلیدی: ضرایب جذب، رگرسیون چند متغیره، شبکه عصبی مصنوعی، توابع انتقالی، ویژگی های زودیافت