خشک کردن محصولات کشاورزی مانند برنج یک فرایند مهم برای ذخیره سازی و استفاده از آنها برای مقاصد خوراکی است. در صنعت کشاورزی روشهای مختلفی برای خشک کردن محصولات کشاورزی وجود دارد، در این میان از خشک کن های پیوسته به علت دارا بودن از مزایای متعدد نسبت به دیگر خشک کنها به طور گسترده در خشک کردن برنج مورد استفاده قرار میگیرد. پیش بینی رطوبت شلتوک برنج به کمک روشهای تجربی نیازمند آزمایشات متعدد است که این آزمایشات علاوه بر هزینه های بالا، زمانبر نیز میباشند. بدین منظور، مدلهای ریاضی متعددی از جمله روشهای هوش مصنوعی و مدلهای مختلف لایه نازک جهت پیش بینی رطوبت پیشنهاد شده است. رطوبت لایه نازک برنج در سه درجه حرارت هوا و دو سرعت جریان توده هوا در یک دوره زمانی مشخص مورد اندازه گیری قرار گرفت. در این مطالعه از الگوریتم ژنتیک بمنظور محاسبه بهترین مدل ریاضی-تجربی لایه نازک بر اساس مینیمم سازیmse استفاده شده است. علاوه بر این یک کد عددی شبکه عصبی مصنوعی بازپسخور (ann) بمنظور پیش بینی رطوبت از محصولات برنج توسعه داده شد. این شبکه عصبی با استفاده از 60 درصد از تمام داده های تجربی مورد آموزش قرار گرفت. نتایج بدست آمده از شبکه ی عصبی و معادلات لایه نازک تطابق خوبی با نتایج تجربی نشان میدهند . میانگین مربعات خطا (mse) و رگرسیون خطی (r2) بمنظور مقایسه برای تمامی مدلها محاسبه و ارائه شد . از این مدلها میتوان برای پیش بینی رطوبت لحظه ای بدون انجام مجدد آزمایشهای تجربی استفاده کرد.