امروزه، استفاده از شبیه ساز ریاضی و مدل سازی منحنی های خشک کردن، ابزار مفیدی برای بهبود سیستم های کنترل کیفیت محصول نهایی در شرایط مختلف است. این روش ها معمولاً برای مطالعۀ عوامل موجود در فراآیند، بهینه سازی شرایط و فاکتورهای کاری و پیش بینی سینتیک خشک شدن محصول اعمال می شود. در مقالۀ حاضر به منظور پیش بینی نسبت رطوبت ورقه های گوجه فرنگی خشک شده از دو ابزار هوشمند ازجمله شبکۀ عصبی مصنوعی (ANN) و الگوریتم ژنتیک (GA) استفاده شده است. برای این منظور، ابتدا 4 مدل ریاضی از سایر مطالعه ها گرفته شد و سپس با داده های تجربی مطابقت داده شدند. سپس بهترین مدل برازش برای منحنی خشک کردن گوجه فرنگی انتخاب شد. طبق نتایج، مدلی که توسط آغباشلو و همکاران پیشنهاد شده است، عملکرد بسیار خوبی به منظور پیش بینی نسبت رطوبت ورقه های گوجه فرنگی خشک شده نشان داد. علاوه بر این، از الگوریتم ژنتیک برای بهینه سازی بهترین مدل تجربی استفاده شد. درنهایت، نتایج این تحقیق با نتایج مشاهده شده در مدل های شبکۀ عصبی مصنوعی و الگوریتم ژنتیک مقایسه شد. نتایج نشان داد که مدل الگوریتم ژنتیک دقت بالاتری را به منظور پیش بینی نسبت رطوبت گوجه فرنگی خشک با ضریب همبستگی (R2) 0/9987 ارائه می دهد.
