هدف از انجام این تحقیق پیش بینی مدت زمان لازم برای خشک کردن و محتوای رطوبتی پیاز به کمک شبکه عصبی مصنوعی می باشد. آنالیز داده ها به کمک نرم افزارهای matlab،mstatc وspss18 و مقایسه میانگین ها به کمک آزمون دانکن انجام شد. در این تحقیق پیاز به صورت لایه نازک با استفاده از خشک-کن جریان عمودی هوای داغ در سه سطح دمای 60، 70 و 80 درجه سلسیوس، سه سطح ضخامت لایه 15، 30 و 45 میلی متر، سه سطح ضخامت خلال 2، 4 و 6 میلی متر و سه تکرار، در سرعت هوای ثابت 5/1 متر بر ثانیه خشک شده تا محتوای رطوبتی آن ثابت و به 6% (بر پایه تر) برسد. شبکه های عصبی با الگوریتم یادگیری لونبرگ - مارکوارت برای آموزش الگوها به کار گرفته شد. بمنظور پیش بینی مدت زمان لازم برای فرآیند خشک شدن مقایسه ضریب تبیین r2 در نرم افزارmatlab نشان داد که شبکه عصبی با ساختار 1-3-4 و تابع آستانه تانژانت سیگموئید در مقایسه با توپولوژی های دیگر نتایج بهتری را ارائه می کند، بهترین مقدار برای ضریب تبیین 979213/0 به دست آمد و برای پیش بینی محتوای رطوبتی مقایسه ضریب تبیین r2 در نرم افزارmatlab نشان داد که شبکه عصبی با ساختار 1-3-4 و تابع آستانه تانژانت سیگموئید در مقایسه با توپولوژی های دیگر نتایج بهتری را ارائه می کند، بهترین مقادیر ضریب تبیین 987665/0 به دست آمد. نتایج روابط رگرسیونی نیز نشان داد که چهار عامل ضخامت خلال، ضخامت لایه، دما و محتوای رطوبتی، با ضریب تبیین 885/0 تغییرات پیش بینی مدت زمان لازم برای خشک شدن و چهار عامل ضخامت خلال، ضخامت لایه، دما و زمان، با ضریب تبیین 775/0 تغییرات محتوای رطوبتی را توضیح می دهند.