میزان رطوبت خاک از اهمیت بسیار بالایی برخوردار است و بسیاری از ویژگی¬های خاک و موجودات و گیاهان موجود در خاک به آن بستگی دارد. اندازه¬گیری رطوبت با روش¬های مستقیم نیازمند زمان کافی و هزینه می¬باشد، بنابراین توسعه¬ی مدل¬های کامپیوتری که بتوانند رطوبت خاک را با دقت بالایی شبیه¬سازی کنند از اهمیت بالایی برخوردار است. در این تحقیق با استفاده از مدل¬ هوشمند مصنوعی ANN رطوبت خاک در ایستگاه Scottsbluff ایالات متحده آمریکا شبیه¬سازی شد و نتایج شبیه¬سازی نشان داد که مدل ANN کارایی بالا و قابل قبولی در شبیه¬سازی مقادیر رطوبت خاک دارد. نتایج نشان داد که شبکه عصبی مصنوعی توانایی بالایی در مدلسازی رطوبت خاک در سناریوهای مختلف تعریف شده دارد. اما در بین سناریوهای تعریف شده ستاریوی اول یعنی پارامتر رطوبت خاک همراه با تاخیر زمانی دو و سه روزه نتایج بهتری از سناریوی دوم دارد. نتایج میزان R2 برای سناریوی اول برای سه و دو روز تاخیر زمانی به ترتیب 9734/0 و 9726/0 و میزان RMSE برای این سناریوها به ترتیب 009886/0 و 0140/0 حاصل شد. این در حالی است که برای سناریوی دوم برای سه حالت انتخابی مقادیر R2 به ترتیب 957/0، 961/0 و 963/0 و مقادیر RMSE برابر با 0093/0، 002/0، 0042/0 بدست آمد. پس می¬توان سناریوی اول با تاخیر زمانی سه روزه را به عنوان بهترین مدل و حالت اول سناریوی دوم را ضعیفترین مدل انتخاب نمود. اما در حالت کلی نتایج تمامی سناریوها قابل قبول بوده و نشان از توانایی بالای شبکه عصبی در برآورد رطوبت خاک دارد.