یک مدل شبکه عصبی مصنوعی و الگوریتم ژنتیک جهت پیش بینی روزانه و ماهیانه مصرف گاز طبیعی در استان کهگیلویه و بویر احمد استفاده شد. اطلاعات هواشناسی و مصرف گاز شهر یاسوج در مدت چهار سال(از سال 1385 تا سال 1388) جمع آوری و برای مدلسازی استفاده گردید. در مدل روزانه، متغیرهای درجه روز، رطوبت نسبی، میزان بارندگی، سرعت باد و مصرف گاز پنج روز قبل از روز پیش بینی، به عنوان ورودی های شبکه و متغیر میزان مصرف گاز طبیعی به عنوان خروجی شبکه در نظر گرفته شد. در مدل ماهیانه، متغیرهای درجه روز، میزان رطوبت نسبی، میزان بارندگی، سرعت باد و میزان مصرف گاز دو ماه قبل از ماه پیش بینی، به عنوان متغیرهای ورودی و مصرف گاز به عنوان خروجی مدل در نظر گرفته شد. این داده ها به دو دسته آموزش و تست تقسیم شدند و ساختارهای مختلف شبکه عصبی از لحاظ تعداد لایه ها و نرونهای لایه مخفی مورد بررسی قرار گرفت و بر اساس معیار میانگین مجذور خطا با هم مقایسه شدند. ساختاری با دو لایه پنهان، تعداد شش نرون در لایه پنهان اول و سه نرون در لایه پنهان دوم به عنوان ساختار بهینه برای مدل روزانه و ساختاری با دو لایه مخفی، تعداد هشت نرون در لایه مخفی اول و چهار نرون در لایه مخفی دوم به عنوان ساختار بهینه برای مدل ماهیانه انتخاب شد. با استفاده از الگوریتم ژنتیک، مقادیر وزن ها و بایاس های ساختار شبکه عصبی بهینه گردید. مدل روزانه می تواند مصرف گاز را با میانگین مجذور خطا و ضریب همبستگی به ترتیب 0.0037و0.986 پیش بینی کند. همچنین میانگین مجذور خطا و ضریب همبستگی مدل ماهیانه به ترتیب 0.0082و 0.970 می باشد. توافق خوب نتایج مدل شبکه عصبی با داده های واقعی مصرف گاز نشان می دهد که پیش بینی مصرف گاز طبیعی با استفاده از شبکه عصبی مصنوعی به خوبی انجام می گیرد.