امروزه داده کاوی به عنوان ابزاری کارآمد در دست مدیران، محققان و کسانی که نیاز به استخراج اطلاعات از داده ها جهت حل مشکلات پیش رو دارند، مطرح می گردد. تکنیک های داده کاوی جهت کشف دانش و شناسایی الگو در زمینه هایی که داده های زیادی تولید می کنند وپردازش این داده ها به صورت دستی ممکن نمی باشد، به منظور یادگیری و پیش بینی شرایط جدید به کار می روند. با پیشرفت تکنولوژی داده های بسیاری در زمینه قیمت گذاری گاز طبیعی تولید می شوند که پردازش دستی آنها امکان پذیر نیست. یکی ازمهمترین مسائل مطرح در این زمینه پیش بینی قیمت گاز طبیعی است. ویژگی های متعدد و منحصر به فرد گاز طبیعی نسبت به دیگر فرآورده های نفتی باعث ایجاد جایگاه ویژه و قابل توجهی در سبد انرژی مصرف کنندگان جهان شده و کسب درآمدهای ارزی برای کشور از طریق صدور این کالای استراتژیک، بر جذابیت آن می افزاید. هدف این تحقیق ارائه مدلی جهت پیش بینی قیمت گازطبیعی مایع شده با استفاده از روش های داده کاوی و جمع آوری اطلاعات ماهیانه متغیرهای مرتبط در پانزده سال اخیر می باشد. برای مدلسازی با روش های داده کاوی از پنج روش شبکه عصبی: پویا، چندگانه، حذفی، حذفی جامع و تابع پایه شعاعی، و رگرسیون حداقل مربعات نسبی، رگرسیون چندگانه به روش گام به گام استفاده شده است. با توجه به شاخص های سنجش مدل بهترین نتیجه توسط مدل شبکه عصبی چندگانه با دقت بیش از 97% حاصل گردید. نتایج مدل حذفی جامع نیز به لحاظ کاربردی و علمی بسیار قابل توجه است. این مدل با انتخاب تنها چهار متغیر پیشگو (از مجموع پانزده متغیر) با دقت بیش از 96% متغیر پاسخ را پیش بینی می نماید. مدل نهائی با حذف شرط تعداد تکرارها، با شبکه عصبی حذفی جامع دقت 98% برازش شده است.