افت حاد فشار خون (ahe) بیماری خطرناکی به شمار می رود و باعث مرگ و میر در بیمارستان می شود. این بیماری، شاخص شایع بسیاری از اختلالات دیگر است و گاهی منجر به حوادث جبران ناپذیری می شود. تحقیقات نشان داده است که تشخیص زود هنگام آن، منجر به مداخله سریع و به موقع پرستاران شده واحتمال زنده ماندن بیمار را نیز افزایش می دهد. بدین منظور این پژوهش به بررسی ایجاد مدلی بر اساس شبکه های عصبی مصنوعی جهت پیش بینی رخداد افت حاد فشار خون در موثرترین زمان ممکن پرداخته است. سری های زمانی فیزیولوژیکی مورد نیاز این پژوهش از پایگاه داده mimic ii انتخاب شده است. چندین تکنیک مختلف با استفاده از ویژگی های آماری حوزه زمان از جمله الگوریتم طبقه بندی کننده k نزدیکترین همسایه، شیکه عصبی پرسپترون چند لایه و شبکه عصبی- فازی به منظور پیش بینی و ارتباط متغیر های فیزیولوژیکی با رخداد افت فشار خون در افق پیش بینی 90 دقیقه ای به کار گرفته شده است. با مشاهده نتایج مدل ها، شبکه عصبی فازی با صحت پیش بینی 87.04% جهت بهبود عملکرد آن انتخاب شده است . در ادامه بردار ویژگی جدیدی با استفاده از تبدیل موجک و الگوریتم تعیین ویژگی های موثر، استخراج شده و صحت پیش بینی الگوریتم به طور چشمگیری با افزودن ویژگی های زمان-مقیاس و انتخاب ویژگی های موثر به مقدار 96.30% افزایش یافته است. این نتایج نشان می دهد که مطالعه و بررسی به موقع پیش زمینه بالینی بیماران در تشخیص زود هنگام بیماری افت حاد فشار خون بسیار سودمند و مفید است.