سالانه میلیون ها لیتر محلول سمی برای مبارزه یا آفات و علف های هرز مزارع مورد استفاده قرار می گیرد. بادبردگی ذرات یکی از مهم ترین معضلات در سم پاشی است، که باعث آلودگی مزارع مجاور، انسان ها و حیوانات می شود در نتیجه برای بهره برداری بیش تر از این مواد و کاهش مقدار مصرف آن ها که برای محیط زیست زیان بار هستند، لازم است تدابیری اتخاذ شود. در این تحقیق عوامل موثر بر نشست ذره با استفاده از روش های آماری و شبکه عصبی مصنوعی مورد مطالعه قرار گرفت.اثرات تغییر زاویه بوم و تغییر زاویه نازل به عنوان فاکتور های متاثر بر بادبردگی روی اندازه ذرات مورد بررسی قرار گرفتند. یک تونل باد افقی با مقطع کاری 47/0 متر عرض، 75/0 ارتفاع و 5/5 متر طول برای انجام آزمایش ها استفاده شد. آزمایشس ها به صورت فاکتوریل در قالب طرح کاملا تصادفی با سه تکرار انجام شد. اندازه گیری ها در ترکیب های تیماری با راویه بوم در سه سطح (0، 30 و 60 درجه)، زاویه نازل در چهار سطح ( 0، 30، 60 و 90 درجه )، انجام شد. کاغذ های حساس به آب در فواصل 8/0، 6/1 و 4/2 متری از انتهای پاشش افشانک برای آشکار ساری اندازه ی قطرات استفاده شدند. مدل رگرسیونی برای قطر میانه حجمی در فاصله ی 4/2 متری از انتهای پاشش افشانک به صورت زیر به دست آمد: x244/0 x1 - 645 /0-87/146=y 1 x و x2 به ترتیب زاویه نازل و زاویه بوم هستند. در این تحقیق فاکتور های مورد بررسی بر اندازه قطره در فاصله ی مورد نظر اثر کاهشی داشتند. با توجه به ضرایب مدل رگرسیونی اثر زاویه نازل بیش تر بود.برای مقایسه ی نتایج مدل رگرسیونی و ارزیابی آنها یک مدل شبکه عصبی ارائه شد. برای این منظور، یک شبکه ی mlp شامل یک لایه ورودی، یک لایه پنهان و یک لایه خروجی استفاده گردید. در لایه ی ورودی دو نرون وجود داشت که شامل زاویه بوم و زاویه نازل بودند. بهترین حالت برای یادگیری شبکه عصبی، با در نظر گرفتن همزمان میانگین مربعات خطا و ضریب تبیین، روش لونبرگ مارکوات با ایپاک 120 و نرون 10 به دست آمد. پس از آموزش و اعتبار سنجی شبکه میزان میانگین مربعات خطا و ضریب تبیین به ترتیب 001021/0 و 99/0 به دست آمد. نتایج حاصل از شبکه عصبی و رگرسیون چند متغیره تفاوت معنی داری با هم نداشتند.