در این پایان نامه، با استفاده از یک مجموعه داده ی اندازه گیری شده از بویلر بازیاب حرارتِ مستقر در نیروگاه سیکل ترکیبی نکا، یک مدلِ دینامیکیِ پیش بین، با دقت مناسب برای تخمین سطح آب دو درامِ اصلیِ سامانه طراحی شده است. در این فرایند ابتدا تحلیل دینامیکیِ سامانه، توسط عملگر کورلیشن انجام شده و مدل های خطیِ arx، armax و bj با ورودی های منتخب مبنی بر نتایج به دست آمده از این مرحله بررسی شده¬اند. نتایج این مرحله عدم موفقیت مدل های خطی در پیش بینی سامانه را نشان داده است. سپس شبکه های عصبیِ rbf و mlp و روش های بهینه سازی مختلفی نظیر gd، gdm، lm و ls برای پیاده سازی ساختار غیرخطیِ narx مورد استفاده قرار گرفته اند. در این مرحله از الگوریتم ژنتیک و روش های fs و be جهت یافتن دینامیک ها استفاده شده و نتایج برای یافتن بهترین مدل با هم مقایسه شده اند که این نتایج حاکی از عملکرد بهتر شبکه های mlp در مقایسه با شبکه های rbf بوده است. همچنین در بین روش های انتخاب دینامیک، fs و be با وجود اندکی خطای بیشتر از روش ga در پیش بینی خروجی ها، به دلیل دستیابی به ابعاد بسیار کوچک تری برای رگرسورهای ورودی، به عنوان بهترین الگوریتم های شناسایی دینامیک معرفی گردیده اند.