غشاءها کاربردهای فزآینده ای در فرآیندهای ضد عفونی شامل حذف ویروس ها از آب برای استفاده مجدد پیدا کرده اند. قدرت حذف ویروس از آب اخیرا بوسیله غشاءهای میکروفیلتراسیون اثبات شده است. در این مطالعه، قابلیت منطق فازی برای مدلسازی و شبیه سازی فرآیند میکروفیلتراسیون dead-end برای حذف ویروسهایibr و fmd ازآب مورد تحقیق واقع گردید. پارامترهای اصلی نشان دهنده کارایی غشاء یعنی شار و پس دهی بطور آزمایشگاهی تحت شرایط مختلف بدست آمد و با نتایج شار و پس دهی محاسبه شده توسط سیستم استنتاج فازی مقایسه گردید. الگوریتم ژنتیک که یک روش سیستماتیک و موثر است در طراحی مدل فازی برای بهینه سازی توابع تعلق پیچیده بکار رفت. الگوریتم ژنتیک ترکیبی برای بهینه سازی پارامترهایی که در توابع تعلق گوسی موجود است در بخش مقدمه و نتیجه هر قانون استفاده شد. نتایج نشان داد که سیستم استنتاج فازی پارامترهای کلیدی یعنی شار و پس دهی برای شرایط عملیاتی مختلف با یک خطای قابل قبول پیش بینی می کند. به عبارت دیگر fis قادر است به منظور مدلسازی غشاء میکرو فیلتراسیون که بصورت ریاضی مشکل و در بسیاری موارد غیر قابل پیش بینی است استفاده شود. در بخش دو یک سیستم فازی سلسله مراتبی (hfs) به علت مسئله افزایش بعد سیستم های فازی معمولی برای پیش بینی شار فرآیند میکروفیلتراسون مورد استفاده قرار گرفت. یک روش شناسایی ترکیبی بر اساس داده ها بر پایه الگوریتم برنامه ریزی درجه دو تناوبی (sqp)و ژنتیک برای تعیین پارامترهای سیستم فازی بکار رفت. مدل توسعه یافته به عنوان یک ابزار قدرتمند برای پیش بینی شار با دقت بالا ( خطای نسبی متوسط 5/1% برای داده های تست) شناخته شد. نتایج مدل توسعه یافته hfs با برخی مدلهای ریاضی مقایسه شد. شرایط عملیاتی بهینه برای ماکزیمم شار محاسبه شده بوسیله hfs توسط الگوریتم ژنتیک بدست آمد. تاثیر فشار دو طرف غشاء، دما، سرعت جریان متقاطع و حضور گلبولهای چربی روی کارایی غشاء در نقطه بهینه بررسی شد.