به‌منظور شناسایی و تعیین غالبیت و تراکم علف‌های هرز مزارع نخود دیم استان کردستان، تعداد 33 مزرعه نخود به‌طور تصادفی بر اساس سطح زیر کشت و خصوصیات توپوگرافی در شهرستان‌های سنندج، دهگلان، کامیاران، دیواندره و سقز، طی سال زراعی 92-1391 انتخاب شدند. در هر مزرعه در دو مرحله سه برگی و غلاف‌بندی نخود، علف‌های هرز به تفکیک جنس و گونه، شمارش و طول و عرض جغرافیایی و ارتفاع از سطح دریا توسط دستگاه سیستم موقعیت‌یاب جهانی تعیین و ثبت شدند. با استفاده از این اطلاعات نقشه پراکنش گونه‌های مختلف علف‌های هرز مزارع نخود دیم استان کردستان در محیط ArcGIS تهیه شد. تعداد علف‌های هرز مشاهده‌شده در نمونه‌برداری در مرحله سه برگی نخود، 51 گونه و به‌ترتیب خانواده‌های کاسنی، گندمیان، چتریان و میخک دارای بیشترین فراوانی بودند. علف‌های هرز مهم مناطق مورد بررسی در این مرحله بر اساس شاخص غالبیت به ترتیب شامل: بی تی راخ، پیچک صحرایی، سوزن چوپان، شنگ، گندم خودرو، شمعدانی وحشی و ماستونک بودند. تعداد علف‌های هرز مشاهده‌شده در نمونه‌برداری در مرحله غلاف بندی، 58 گونه و بیشترین فراوانی به‌ترتیب مربوط به خانواده‌های کاسنی، گندمیان، شب بو، چتریان و میخک بود. علف‌های هرز مهم استان در این مرحله بر اساس غالبیت به‌ترتیب شامل: پیچک صحرایی، شنگ، فرفیون، سوزن چوپان، بی تی راخ، گوش بره و هندوانه ابوجهل بودند.

به منظور مقایسه توانایی مدل‌های شبکه عصبی مصنوعی با رگرسیون لجستیک در پیش بینی حضور علف‌های‌هرز، 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 علف‌های‌هرز غالب به عنوان متغیرهای وابسته در مدل‌های 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. علف‌هرز بی تی راخ (Galium aparine L.) و پیچک صحرایی (Convolvulus arvensis L.) با بیشترین شاخص فراوانی، علف‌های‌هرز غالب مزارع نخود بودند. نتایج نشاه داد که رگرسیون لجستیک نتوانست بین متغیرهای مستقل و حضور علف‌هرز بی تی راخ معادله ای را برازش دهد. در حالی که شبکه عصبی مصنوعی قادر بود برای هر دو علف‌هرز بی تی راخ و پیچک صحرایی در هر دو مرحله نمونه برداری، مدل مناسبی را برازش دهد. بطور کلی شبکه‌های عصبی مصنوعی با کارایی بالا در مقایسه با روش رگرسیون لجستیک، برای پیش‌بینی حضور علف‌های‌هرز در مزارع نخود دیم استان کردستان، مناسب تر بوده و کاربرد آن برای این منظور قابل توصیه می‌باشد.