به منظور مدل سازی ارتباط برخی از عوامل خوراکیموثر برتغییرات فراسنجه های شکمبه (شامل phو غلظت آمونیاک شکمبه)، سنتزپروتئین میکروبی و نیتروژن ابقا شده بااستفاده از روش¬های هوش مصنوعی(شبکه عصبی مصنوعی و الگوریتم ژنتیک)، از داده های چهار آزمایش که همگی در قالب طرح مربع لاتین و دوره های 21 روزه با جیره های یکسان از نظر انرژی اما متفاوت از نظر نوع مواد خوراکی بوده استفاده شد.کلیه نتایج پس از یکسان سازی واحدها توسط الگوریتم ژنتیک و شبکه عصبی مصنوعی مورد بررسی قرار گرفت.نتایج به دست آمده جهت برآورد رگرسیون و تخمین تابع پیش بینی کننده مورد استفاده قرار گرفتند. در مطالعه حاضر دو روش پردازش داده نتایج متفاوتی برای برآورد صفات مورد مطالعه داشتند به گونه ای که روش شبکه عصبی مصنوعی در مورد تخمین phشکمبه و روش الگوریتم ژنتیک در مورد تخمین غلظت نیتروژن آمونیاکی،پروتئین میکروبی و نیتروژن ابقا شده بر اساس تئوری های موجود پاسخ¬های بهتری ارائه کردند.