به منظور مقایسه توانایی مدل های شبکه عصبی مصنوعی با رگرسیون لجستیک در پیش بینی حضور علف های هرز، آزمایشی در 33 مزرعه نخود دیم استان کردستان در سال زراعی 92-1391 انجام شد. برای این منظور، اطلاعات اقلیمی و خاکی به عنوان متغیرهای مستقل و حضور و عدم حضور علف های هرز غالب به عنوان متغیرهای وابسته در مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی استفاده شدند. در این تحقیق از شبکه پرسپترون چندلایه با نه نرون در لایه ورودی، یک و دو لایه پنهان با تعداد نرون مختلف و دو نرون در لایه خروجی استفاه شد. علف هرز بی تی راخ (Galium aparine L. ) و پیچک صحرایی (Convolvulus arvensis L. ) با بیشترین شاخص فراوانی، علف های هرز غالب مزارع نخود بودند. نتایج نشاه داد که رگرسیون لجستیک نتوانست بین متغیرهای مستقل و حضور علف هرز بی تی راخ معادله ای را برازش دهد. در حالی که شبکه عصبی مصنوعی قادر بود برای هر دو علف هرز بی تی راخ و پیچک صحرایی در هر دو مرحله نمونه برداری، مدل مناسبی را برازش دهد. بطور کلی شبکه های عصبی مصنوعی با کارایی بالا در مقایسه با روش رگرسیون لجستیک، برای پیش بینی حضور علف های-هرز در مزارع نخود دیم استان کردستان، مناسب تر بوده و کاربرد آن برای این منظور قابل توصیه می باشد.