مقدمه: به دلیل رطوبت بالا، سرعت فساد گیلاس بسیار زیاد است و برای نگهداری مؤثر نیاز به استفاده از برخی تیمارهای پس از برداشت دارد. خشک‌کردن یکی از این روش‌های نگهداری است. امواج فراصوت را می‌توان به‌عنوان یک پیش‌تیمار قبل از خشک‌کردن محصولات کشاورزی به‌منظور کاهش زمان این فرآیند استفاده نمود. روش الگوریتم ژنتیک- شبکه عصبی مصنوعی دارای قابلیت بالایی برای یافتن مقدار بهینه یک تابع هدف پیچیده است.مواد و روش‌ها: در این پژوهش اثر تیماردهی با امواج فراصوت به مدت 0، 3، 6 و 9 دقیقه بر زمان خشک شدن، تغییرات وزن و آبگیری مجدد گیلاس بررسی شد. در مرحله بعد، این فرآیند توسط روش الگوریتم ژنتیک- شبکه عصبی مصنوعی با 2 ورودی (زمان خشک‌کردن و زمان پیش‌تیمار فراصوت) و 1 خروجی (درصد کاهش وزن) مدل‌سازی شد.یافته‌ها: نتایج این پژوهش نشان داد که تیمار فراصوت تا 3 دقیقه، سبب افزایش سرعت خروج رطوبت از گیلاس‌ها و در نتیجه باعث کاهش زمان خشک‌کردن می‌گردد. تیماردهی با امواج فراصوت به مدت 3 دقیقه باعث افزایش آبگیری مجدد گیلاس خشک شده شد؛ اما با افزایش زمان تیماردهی به 6 و 9 دقیقه مقدار آبگیری مجدد کاهش یافت. نتایج مدل‌سازی به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی نشان داد شبکه‌ای با ساختار 1-4-2 در یک لایه پنهان و با استفاده از تابع فعال‌سازی تانژانت هیپربولیک می‌تواند درصد کاهش وزن گیلاس هنگام خشک شدن را با ضریب همبستگی بالا و مقدار خطا پایین پیش‌بینی نماید. بر اساس نتایج آزمون آنالیز حساسیت، زمان خشک‌کردن به‌عنوان مؤثرترین عوامل در تغییر درصد کاهش وزن گیلاس طی فرآیند خشک‌کردن بود.نتیجه‌گیری: به‌طورکلی، بهترین شرایط برای خشک‌کردن گیلاس، 3 دقیقه پیش‌تیمار با فراصوت و سپس خشک‌کردن محصول با هوای داغ است. با توجه نتایج به دست آمده از مدل‌سازی، از روش الگوریتم ژنتیک- شبکه عصبی مصنوعی نیز می‌توان برای پیش‌بینی پارامترهای فرآیند خشک‌کردن گیلاس استفاده نمود. Manuscript profile