В решении большого числа научных и промышленных задач используются технологии искусственного интеллекта. К наиболее быстро развивающимся технологиям данного направления относятся искусственные нейронные сети (ИНС), то есть математические модели, которые построены по принципам организации и функционирования биологических нейронных сетей. Возможность обучения нейронных сетей, приводящего к более точному нахождению зависимости между входными и выходными данными, – одно из главных достоинств исследуемых технологий. Одним из возможных направлений применения ИНС является задача анализа компонентного состава природного газа. Задача заключается в
определении компонентного состава газовых смесей для правильной и оптимальной эксплуатации, для учета и транспортировки природного газа трубопроводным транспортом. Это необходимо в силу того, что компонентный состав газа определяет ряд его показателей качества, в частности его теплотворную способность, от которой зависят стоимостные показатели газа. В настоящее время крайне актуальным является разработка корреляционные методов анализа газа, в которых часто используются ИНС в качестве статистических моделей, которые ставят в соответствие известным измеряемым физическим параметрам газа неизвестные концентрации его компонентов. В данной работе анализируется разработанная нейросетевая модель для определения компонентного состава газа.