در این تحقیق از روش مدلسازی شبکه عصبی مصنوعی (ANN) برای ایجاد فرمول های ساده برای پیش بینی ضریب هدایت گرمایی مخلوط های نیتروژن - متان و دی اکسید کربن - متان استفاده شد. از روش الگوریتم ژنتیک برای بدست آوردن پارامترهای بهینه (وزن و بایاس) شبکه های عصبی استفاده شد. کسر مولی متان ، دم ، فشار و چگالی به عنوان پارامترهای موثر بر هدایت گرمایی، متغیرهای ورودی شبکه بودند. 171 و 180 داده مربوط به مخلوط گاز نیتروژن - متان و دی اکسید کربن - متان، به ترتیب، به مجموعه داده های آزمایش و آموزش تقسیم شده اند. فرمول های ساده با وجود تعداد کمی از نرون های لایه پنهان در ساختارهای شبکه عصبی به دست آمدند. میانگین خطاهای نسبی 206/0 و 199/0 درصد برای مجموعه داده های آزمایشی نشانگر دقت و اعتبار بالای روابط است. نتایج تحقیق نشان می دهد که تکنیک هوش مصنوعی برای مدل سازی ضریب هدایت حرارتی در گازهای طبیعی بسیار مفید است. آنالیز حساسیت بر روی تمام متغیرهای ورودی انجام شد که نشان داد چگالی مخلوط گاز بیشترین تأثیر را در رسانایی گرمایی دارد.
