اخیراً، کاربرد انرژی حرارتی در مخازن هیدروکربنی جهت افزایش بازیافت نفت خام بسیار مورد توجه قرار گرفته است. فرآیند های بازیافت حرارتی به دو گروه عمده ی ، تزریق سیال داغ و احتراق درجا تقسیم می شوند. پیرولیز، اکسیداسیون و احتراق هیدروکربن ها، واکنش های کنترل کننده ی فرآیند احتراق درجا می باشند. وجود این واکنش ها برای تشکیل سوخت و تولید گرما ضروری است. مقدار سوخت نهشته شده جلوی جبهه احتراق از مهمترین پارامترهایی است که باید در طراحی یک پروژه احتراق درجا در نظر گرفته شود. هدف اصلی این تحقیق ارزیابی پیرولیز نفت خام طی فرآیند احتراق درجا و استفاده از آن جهت پیش بینی مقدار سوخت توسط شبکه های عصبی مصنوعی می باشد. از اینرو، آنالیز جرم سنجی حرارتی روی شش نفت خام مختلف ایران در محدوده ی دمایی محیط تا 800 درجه سانتی گراد در محیط خنثی انجام شد. با استفاده از نتایج این تست ها، شبکه های عصبی مصنوعی جهت پیش بینی جرم هیدروکربن های باقیمانده نسبت به دما بکار برده شد. نتایج تست های جرم سنجی حرارتی نشان می دهد که ترکیب کلوئیدی نفت خام و نرخ گرمادهی، تاثیر قابل توجهی بر مقدار سوخت دارند. مقدار سوخت در دماهای مختلف می تواند توسط یک شبکه عصبی مصنوعی پرسپترون با دو لایه مخفی پیش بینی گردد. میانگین قدر مطلق خطای نسبی این پیش بینی کمتر از 5.6 درصد می باشد. همچنین نتایج آنالیز رگرسیون نیز انطباق خوبی را بین نتایج آزمایشگاهی و نتایج پیش بینی شده نشان می دهد.