فرسایش بادی با وزش باد و حمل ذرات توسط آن شروع می شود. میزان مواد حمل شده توسط فرآیند باد به عوامل متعددی بستگی دارد. بنابراین یکی از پیچیدگی های سیستم های بادرفتی، بررسی رفتار رسوبات بادی در فرآیند فرسایش بادی می باشد. فناوری اندازه گیری حمل ذرات خاک به وسیله ی باد به دو دسته-ی مستقیم و غیرمستقیم تقسیم می شود. در فناوری غیرمستقیم، با یک تحلیل زمانی متفاوت، نقاطی از چند روز تا چندین دهه برای مشاهده ی فرسایش و رسوب گذاری در نظر گرفته می شوند و در فناوری اندازه گیری مستقیم، دبی ذرات انتقال یافته به وسیله ی باد در یک مکان ثابت توسط تله های رسوب گیر نمونه برداری می شوند. در این پژوهش، منطقه ی کرسیای داراب به عنوان منطقه ی مورد مطالعه به منظور مدل سازی رسوبات بادی با استفاده از شبکه های عصبی مصنوعی و مدل رگرسیونی در نظر گرفته شد. به منظور اجرای این تحقیق، ابتدا از روش اندازه گیری مستقیم و از تله ی رسوب گیر mdco جهت نمونه-برداری از رسوبات استفاده گردید. سپس نمونه برداری از رسوبات در سه تیپ گیاهی halocnemum strobilaceum، tamarix aphylla و juncus gerardi به منظور تأثیر پوشش های گیاهی در به دام انداختن رسوبات انجام شد و بیشترین رسوبات در تیپ گیاهی halocnemum strobilaceum نمونه برداری شد. آنگاه از شبکه های عصبی مصنوعی mlp و rbf و معادلات رگرسیونی پایه در مدل سازی و برازش رسوبات بادی استفاده گردید. به منظور مدل سازی رسوبات بادی در منطقه، پارامترهای اقلیمی (شامل متوسط سرعت باد بر حسب m/s، تبخیر بر حسب mm، رطوبت نسبی بر حسب %، دمای کمینه، دمای بیشینه و دمای متوسط بر حسب c° در روز) و همچنین درصد پوشش گیاهی تیپ به عنوان متغیرهای مستقل و میزان رسوب پیش بینی شده به عنوان متغیر وابسته ی مدل انتخاب گردید. در نهایت نتایج حاصل از مقایسه ی عملکرد مدلها نشان داد که شبکه ی عصبی mlp با ضریب تعیین 95/0 و ریشه ی میانگین مربعات خطای 020/0 نسبت به شبکه ی عصبی rbf با ضریب تعیین 88/0 و ریشه ی میانگین مربعات خطای 032/0 و نیز مدل رگرسیون پایه با ضریب تعیین 87/0 و ریشه ی میانگین مربعات خطای 032/0 از کارایی بهتر و دقت بالاتری برخوردار می باشد.