در این مقاله، از شبکه عصبی از نوعGMDH() Group Method of Data Handling به عنوان ابزاری با قابلیت بالا در مدل سازی سیستم های غیر خطی و پیچیده، برای مدل سازی موتور توربوفن استفاده شده است. بدلیل اهمیت میزان مصرف سوخت و تاثیر آن بر روی نیروی رانش موتور توربوفن به خصوص در موتور هواپیماهای تجاری و مسافربری در این تحقیق تاثیر نسبت سوخت به هوا بر روی دو پارامتر بسیار مهم یعنی مصرف سوخت ویژه و تراست در ارتفاع ها و سرعت های متفاوت در محدوده رژیم زیر سرعت صوت بررسی شده است. سپس از شبکه عصبی از نوع GMDH برای مدل سازی تاثیر ارتفاع پروازیH() و میزان نسبت سوخت به هوا F/O() بر روی نیروی رانش T() و مصرف سوخت ویژه SFC() موتور توربوفن استفاده شده است. در نهایت، بهینه سازی چند هدفه با مدل های بدست آمده از شبکه عصبی برای نیروی رانش T() و مصرف سوخت ویژه SFC() توسط الگوریتم ژنتیک انجام شده تا بهترین نقاط عملکردی برای موتور بدست آید.