رسوب آسفالتین به طور عمده تحت تاثیر بازیابی نفت خام است و خواص نفت خام را تغییر می دهد. بنابراین برای پیش بینی رسوب آسفالتین دو مدل ترمودینامیکی و مقیاس گذاری در مطالعات مختلف ارائه شده است. در تحقیق حاضر سه مدل برای پیش بینی میزان رسوب آسفالتین ارائه شده است، دو مدل هوشمند و یک مدل مقیاس گذاری. مدل های هوشمند حاضر از نوع شبکه عصبی هستند. در مدل های هوشمند از پارامترهای تاثیر گذار بر رسوب آسفالتین همچون فشار، نسبت رقیق سازی و وزن مولکولی سیال تزریقی استفاده شده است. در ابتدا مدل شبکه عصبی برای پیش بینی رسوب آسفالتین مورد استفاده قرار گرفته است. در دیگر مدل هوشمند، از الگوریتم ژنتیک برای بهینه-سازی پیکربندی شبکه عصبی استفاده شده است که با این کار نتایج شبکه عصبی بهبود بخشیده شده است. دیگر مدل ارائه شده مدل مقیاس گذاری بهبود یافته است. در این کار، رسوب آسفالتین بصورت تابعی از فشار، نسبت رقیق سازی و وزن مولکولی سیال تزریقی و به صورت تابع غیر خطی از دو متغیر چگالی نفت و میزان رزین به آسفالتین موجود در نوع نفت می باشد. برای نشان دادن دقت مدل ها، داده های مختلف آزمایشگاهی حاصل از نفت های مختلف (سبک، متوسط و سنگین) در آزمایشگاه به کار گرفته شده است. نتایج پیش بینی مدل ها با داده های نفت ایران مورد ارزیابی قرار گرفته است که در آن شبکه عصبی توانایی پیش بینی میزان رسوب آسفالتین را با دقت قابل قبولی ( 97/0r2~) را دارا بوده است. با بهینه سازی پیکربندی شبکه عصبی با الگوریتم ژنتیک، مقدار خطای پیش بینی شبکه به مقدار قابل توجهی بهبود یافت ( 99/0r2~). از طریق مدلسازی مقیاس گذاری تعمیم یافته ارائه شده نیز نتایج قابل قبولی ( 95/0r2~) با سایر مدل های ارائه شده حاصل شده است.