سابقه و هدف: در این پژوهش ارتباط بین وزن زنده هنگام کشتار گوسفند لری بختیاری با خصوصیات لاشه (وزن لاشه گرم، وزن لاشه سرد، وزن نیم لاشه سرد، وزن گوشت، وزن چربی، وزن استخوان و وزن دنبه) و برخی اندازه های ظاهری بدن (طول بدن، دور قفسه سینه، عرض کپل و عرض شانه) مورد بررسی قرار گرفت. همچنین معادلات رگرسیون خطی مناسب برای پیش بینی وزن زنده و خصوصیات لاشه تعیین شد و با روش شبکه عصبی مصنوعی نیز مقایسه گردید.مواد و روش ها: از رکوردهای مربوط به 58 راس بره نر نژاد لری بختیاری ایستگاه پرورش و اصلاح نژاد شهرستان شهرکرد واقع در استان چهارمحال و بختیاری استفاده شد. بره ها در سن 90±5 روزگی شیرگیری و سپس در سه گروه 60، 80 و 100 روز پروار شدند. در پایان دوره پروار اندازه های ظاهری بدن اندازه گیری شد و بعد از کشتار و پوست کنی نیز خصوصیات لاشه مورد نظر اندازه گیری گردید. از تعداد 696 رکورد برای پیش بینی وزن زنده و خصوصیات لاشه با استفاده از معادلات رگرسیون و شبکه عصبی مصنوعی استفاده گردید. پیش بینی خصوصیات لاشه و وزن زنده هنگام کشتار با استفاده از اندازه های ظاهری بدن توسط معادله رگرسیونی دارای بهترین ضریب تعیین انجام شد. همچنین مدل های رگرسیونی منتخب پیش بینی کننده صفات با استفاده از شبکه عصبی مصنوعی نیز برازش داده شدند و نتایج این دو روش بر اساس معیارهای ضریب تعیین و میانگین مربعات خطا مقایسه شد.یافته ها: ضرایب همبستگی فنوتیپی بین وزن زنده و خصوصیات لاشه مثبت و نسبتا زیاد برآورد گردید که در دامنه 0.58 تا 0.99 قرار داشتند. ضرایب همبستگی فنوتیپی بین اندازه های بدن و خصوصیات لاشه نیز دارای تغییراتی در دامنه 0.29 تا 0.69 بود. در بین اندازه های ظاهری بدن بیشترین همبستگی را دور قفسه سینه با وزن زنده و خصوصیات لاشه داشت. همبستگی نسبتا بالای بین وزن زنده و وزن اجزای مختلف لاشه با اندازه های ظاهری بدن در پژوهش حاضر حاکی از آن است که می توان از اندازه های ظاهری بدن در پیش بینی این صفات و با دقت نسبتا بالایی استفاده نمود. نتایج نشان داد با استفاده از اندازه های طول بدن، دور قفسه سینه و عرض کپل در معادله رگرسیونی می توان با دقت 79 درصد وزن زنده بره های لری بختیاری را پیش بینی نمود. همچنین با استفاده از وزن زنده و دور قفسه سینه می توان وزن لاشه گرم و وزن لاشه سرد را به ترتیب با دقت 97 و 96 درصد برآورد نمود. وزن زنده بدن به ترتیب 94 و 72 درصد از تنوع وزن نیم لاشه و وزن دنبه را توجیه نمود. همچنین نتایج نشان داد که کارایی شبکه عصبی مصنوعی طراحی شده در پیش بینی خصوصیات لاشه بالاتر از مدل های رگرسیون بود.نتیجه گیری: نتایج نشان داد که می توان با دقت نسبتا بالایی از اندازه های ظاهری بدن در پیش بینی وزن زنده و وزن اجزای مختلف لاشه استفاده نمود. همچنین نتیجه گیری شد که تکنیک شبکه عصبی مصنوعی بهتر از معادلات رگرسیون خطی قادر به پیش بینی وزن زنده و خصوصیات لاشه در گوسفندان لری بختیاری بود. با توجه به اهمیت خصوصیات لاشه در تعیین پتانسیل ژنتیکی و تنظیم برنامه های اصلاح نژاد مرتبط با افزایش تولید گوشت، نتایج این پژوهش می تواند استفاده کاربردی داشته باشد.