انتخاب متغیرهای ورودی و خروجی در تعیین نمرات کارایی تحلیل پوششی داده ها از اهمیت فراوانی برخوردار است. در این پژوهش با استفاده از شبکه عصبی مصنوعی به تعیین ورودی ها و خروجی های شرکت های برق منطقه ای پرداخته شده است. کاربرد شبکه عصبی در انتخاب ورودی ها و خروجی های شرکت های برق منطقه ای امری است که در ادبیات موضوع سابقه نداشته و مزیت اصلی روش پیشنهادی محسوب می شود. به منظور آموزش شبکه عصبی دو لایه MLP، از روش آموزش پس از انتشار خطای ارتجاعی استفاده گردید؛ پس از آموزش شبکه عصبی، عملکرد شبکه عصبی با استفاده از الگوهای تست، مورد بررسی قرار گرفت. مقدار RMSE مریوط به 15 الگوی تست برابر 0269/0 به دست آمد که نشان دهنده دقت بالای شبکه آموزش داده شده است. تحلیل حساسیت پارامترهای مورد بررسی که همان ورودی ها و خروجی های تحلیل پوششی داده ها هستند، با افزایش ده درصدی پارامترها نسبت به حالت قبل از افزایش انجام شده و میانگین خطای نسبی خروجی برای پارامترهای شبکه عصبی محاسبه شده است. بر اساس میزان میانگین خطای نسبی خروجی، ورودی ها و خروجی های تحقیق مشخص گردید. مقایسه نمرات کارایی شرکت های برق منطقه ای قبل و بعد از کاهش تعداد متغیرها، تعداد شرکت های کارا در طی شش دوره زمانی فوق از 4/62 درصد به 4/26 درصد کاهش یافته است.
