در این پژوهش از ابزارهای یادگیری ماشین استفاده گردید تا اثر عوامل مختلف بر هدر رفت سود کاستیک (NaOH) و آلومینا (Al2O3) و افزایش آلودگی کربنات (Na2CO3) در مرحله نخست فرآیند بایر مورد بررسی قرار گیرد. پارامترهای مورد بررسی در این مقاله عبارتند از غلظت Na2Oc، Na2Ou، Na2Ot و Al2O3 در فاز محلول خروجی به واحد آسیای تر است. عوامل مورد بررسی نیز شامل دِبی جرمی و آنالیز شیمیایی ترکیبات مختلف موجود در بوکسیت و آهک مصرفی، شدت جریان و آنالیز شیمیایی محلول آلومینات سدیم ورودی و آنالیز شیمیایی محلول آلومینات سدیم خروجی از واحد به صورت روزانه برای 3016 روز متوالی بوده است. در این مطالعه از دو روش کاهش گرادیان برخط فوریه (FOGD) و کاهش گرادیان برخط نیستروم (NysGD) جهت مدلسازی فرآیند مذکور استفاده گردید. نتایج نشاندهنده دقت و سرعت یادگیری بیشتر روش FOGD نسبت به روش NysGD است. این نتایج نشان میدهند میتوان با استفاده از دو روش با دقت بالایی فرآیند مورد بررسی را مدلسازی نمود.