در کشور ما صنعت مرغداری جهت رسیدن به یک ثبات نسبی و دستیابی به یک تولید انبوه راه درازی در پیش دارد و نیازمند یک برنامه ریزی مدون علمی است که با رسیدن به مطلوبیت کیفی و کمی بتواند جایی را برای ماندگاری خود باز کند. این امر محقق نمی گردد مگر با توجه به ثبات نسبی قیمت ها و پیش بینی دقیق قیمت طیور که از طریق کاهش نوسانات قیمتی باعث تخصیص بهینه منابع، افزایش کارایی، افزایش منافع مرغداران و در نهایت باعث افزایش درآمد آنها می شود. چنانچه یک پیش بینی قابل قبولی از قیمت های آتی مرغ در دست باشد می تواند زمینه را برای تدوین و طراحی برنامه موثرتری جهت تنظیم بازار مرغ فراهم نماید که به سبب آن عملیات ذخیره سازی مرغ و عرضه مجدد آن یعنی در دسترس بودن کالا، قبل از آنکه قیمت ها به نقطه بحرانی برسند، صورت پذیرد. در این راستا، هدف اصلی این پژوهش یافتن بهترین مدل برای پیش بینی قیمت ماهانه گوشت مرغ است تا با پیش بینی به موقع قیمت ها از بروز نوسانات زیاد آن جلوگیری گردد. بدین منظور روش arima و شبکه های عصبی مصنوعی برای پیش بینی بکار گرفته شد. در قدم بعد برای بهبود ساختار شبکه عصبی، از روش الگوریتم ژنتیک استفاده شد. برای مقایسه روشهای ذکر شده معیارهای rmse، mae، mape و tic مورد استفاده قرار گرفت. بر اساس تمامی معیارهای فوق مدل ترکیبی نسبت به مدل های منفرد (arima و شبکه عصبی) دارای خطای کمتری در پیش بینی قیمت بود.