در این تحقیق سیستم سیال فوق بحرانی برای روغن گیری از هسته انار در دماهای 40 تا70 درجه سانتیگراد و در محدوده فشار200 تا 350 بار در شرایط آزمایشگاهی تست شده است. مدل سازی و شبیه سازی فرآیند روغن گیری با سیال فوق بحرانی با توجه به داده های آزمایشگاهی، از یک روش قابل اعتماد، با عنوان سیستمهای هوشمند انجام می شود. روشهای متعددی برای ساخت مدل توسط سیستمهای هوشمند از روی داده های ورودی-خروجی وجود دارد که در این تحقیق از روشهای شبکه عصبی استفاده خواهد شد. با آموزش نتایج تجربی توسط شبکه عصبی سرعت دی اکسید کربن و میزان روغن گیری از هسته انار و به عبارتی بازده سیستم استخراج، برای فشار 280 بار در دمای 45 درجه سانتیگراد پیش بینی می شود. تغییر یا افزایش بازده ایجاد شده برای رسیدن به درصد (یا حداکثر) استخراج مورد نظر در یک پروسه معین، به عنوان عملکرد سیستم سیال فوق بحرانی، تعریف می شود. نتایج خوب مدلسازی با شبکه عصبی نشان داد که می توان مدل شبکه عصبی مصنوعی را تعمیم داده و نتایج آن را برای شرایط غیر از آزمایشگاه به کار برد. در این تحقیق از الگوریتم ژنتیک برای بهینه سازی مدل شبکه عصبی نیز استفاده شده است بطوریکه به کمک الگوریتم ژنتیک تعداد نرونهای لایه میانی بهینه شده است و بهترین نتیجه در زمان کمتر حاصل می شود.