در این تحقیق مدل‌سازی عملکرد کششی تراکتور شامل پارامترهای توان مالبندی، مقاومت غلتشی و بازده کششی با استفاده از شبکه عصبی کانولوشنی در دو نوع خاک لومی رسی شنی و رسی انجام گردید. آزمایش ها در داخل هر بافت خاک در قالب آزمایش فاکتوریل بر پایه طرح بلوک کامل تصادفی (RCBD) و با سه تکرار انجام شدند. در داخل هر بافت خاک سطوح مختلف رطوبت از 8 تا 17 درصد برای خاک‌های خشک و 18 تا 40 درصد برای خاک‌های مرطوب، سرعت پیشروی تراکتور در چهار سطح 2/1، 6/1، 8/1 و 2/2 کیلومتر بر ساعت، عمق کار در دو سطح 30 و 50 سانتی‌متر، تعداد عبور تراکتور در دو سطح 2 و 6 بار عبور، فشار باد لاستیک تراکتور در دو سطح 20 و 25 پوند بر اینچ مربع انتخاب، و در داخل هر کرت آزمایشی مشخصه‌های شاخص مخروطی، بار دینامیکی، نیروی مقاوم کششی و درصد محتوی رطوبتی اندازه‌گیری شدند. شبکه‌های طراحی شده در این تحقیق از نوع شبکه‌های کانولوشنی بودند. از الگوریتم‌هایSgdm ، Adam و Rmsprop به منظور آموزش شبکه استفاده گردید. نتایج این تحقیق نشان داد که شبکه عصبی توسعه داده شده با الگوریتم Sgdm در مقایسه با سایر الگوریتم‌ها عملکرد بهتری دارد. بنابراین از این الگوریتم به منظور مدل‌سازی استفاده شد. از معیارهای آماری R2، MSE به منظور ارزیابی عملکرد شبکه استفاده گردید. بهترین عملکرد شبکه کانولوشنی طراحی‌شده برای پارامترهای توان مالبندی، مقاومت غلتشی و بازده کششی به ترتیب دارای ضریب تبیین 9953/0، 9903/0 و 9888/0 و میانگین مربعات خطا به ترتیب برابر با 0016/0، 0039/0 و 003/0 بودند. همچنین مقدار حداقل و حداکثر برای توان مالبندی به ترتیب برابر با 68/5 و 48/12 کیلووات، برای مقاومت غلتشی چرخ‌های تراکتور به ترتیب برابر 51/2 و 33/4 کیلونیوتن و برای بازده کششی به ترتیب برابر با 42/73 و 05/80 درصد بدست آمد.