در این تحقیق، یک شبکه عصبی مصنوعی (ANN) برای آنالیز صعود مویینه در محیط پرزدار مورد استفاده قرار گرفت. آزمایش های ترشوندگی با 15 مایع و 15 پودر متفاوت انجام شد. مایعات، گستره وسیعی از کشش سطحی (15.45-71.99 mJ/m2)و ویسکوزیته (0.25-21mPa.s) را پوشش دادند. پودرها نیز گستره قابل قبولی از اندازه ذره (0.012-45mm) و انرژی آزاد سطح (25.54-63.90mJ/m2) را به دست دادند. همچنین، یک شبکه عصبی مصنوعی، برای پیش گویی زمان صعود مویینه تا یک ارتفاع داده شده معلوم به کار گرفته شد. ورودی های شبکه، چگالی، کشش سطحی و ویسکوزیته مایعات و اندازه ذره، چگالی بالک، چگالی فشرده سازی و انرژی آزاد سطح پودرها بودند. دو پارامتر آماری یعنی مربع ضریب همبستگی (r2) و فاکتور کارایی (PF.3) برای مقایسه زمان های صعود مویینه تجربی با: الف) مقدارهای معادل پیشبینی شده به وسیله یک شبکه عصبی مصنوعی طراحی و آموزش دیده و ب) مقدارهای معادل محاسبه شده به وسیله معادله Lucas-Washburn همچنین مقدارهای معادل محاسبه شده به وسیله شکل های اصلاح شده متفاوت معادله ذکر شده، به کار رفتند. بایستی توجه کرد که در مورد یک همبستگی کامل، r2=1 و PF.3=0 است. نتیجه ها نشان داد که تنها روش شبکه عصبی مصنوعی حاضر، قادر بود که زمان صعود مویینه را با دقت بال یعنی (r2=0.91, PF.3=55) پیش بینی کند. زمان های مربوط به معادله Lucas-Washburn بدترین همبستگی(r2=0.11, PF.3=1016) را به دست دادند. علاوه بر این، زمان های به دست آمده از شکلهای اصلاح شده متفاوت معادله ذکر شده که به وسیله افراد متفاوت پیشنهاد شده است، در مقایسه با زمان های صعود مویینه تجربی نتیجه های چشم گیر یعنی (PF.3=129-293, r2=0.24-0.44) بهدست ندادند.