در این پژوهش جهت تعیین مدلی برای پیش بینی روند تغییرات خصوصیات مختلف ماست غنی شده با آهن و روی، محصول مایه خورده با غلظت های برابر 20، 40 و 60 میلی گرم این املاح به ازای یک کیلوگرم شیر غنی سازی شدند و نمونه ها در دوره های زمانی 1، 7 و 14 روز مورد آزمون قرار گرفتند. ویژگی های فیزیکوشیمیایی (اسیدیته، pH، آب دهی، ظرفیت نگهداری آب و ویسکوزیته)، ویژگی های بافتی (سختی، فنریت، نیروی چسبندگی و پیوستگی) و حسی (طعم، بو، رنگ، بافت و پذیرش کلی) نمونه ها مورد بررسی قرار گرفت و جهت پیش بینی روند تغییرات از ابزار شبکه های عصبی مصنوعی در نرم افزار MATLAB R2013a استفاده شد. با بررسی شبکه های مختلف به ترتیب برای ماست غنی شده با آهن و روی شبکه های پس انتشار پیش خور با توپولوژی های 2-2-3-14و 2-4-14 با ضرایب همبستگی 0.997 و 0.991 و میانگین مربعات خطای 0.4090 و 0.1040 با به کارگیری تابع فعال سازی تانژانت سیگموئید هیپربولیکی، الگوی یادگیری لونبرگ-مارکوات و چرخه یادگیری 1000 به عنوان بهترین مدل های عصبی مشخص گردیدند.نتایج حاصل از مدل های بهینه انتخاب شده نیز ارزیابی گردید و این مدل ها با ضرایب همبستگی بالا (بیش از 0.98) و انحراف معیار میانگین بسیار پایین قادر به پیش بینی روند تغییرات بودند.