یکی از پارامترهای مهم در صنعت نفت و گاز که در محاسبات مربوط به حجم از اهمیت بالایی برخوردار می¬باشد، ضریب تراکم پذیری گاز طبیعی می¬باشد. لذا یافتن مدلی هوشمند که از دقت و سرعت بالایی برخوردار باشد ضروری می¬نماید. بدین منظور در این پایان نامه روش¬های هوشمند مختلفی مورد بررسی قرار گرفتند. برای طراحی شبکه عصبی از الگوریتم ژنتیک به منظور یافتن ساختار بهینه شبکه¬ استفاده شد. دو پارامتر دما و فشار نقصانی به عنوان ورودی¬های شبکه در نظر گرفته شدند که البته به جز در روش برنامه نویسی ژنتیک، به منظور افزایش دقت و دسترسی به خروجی مطلوب¬تر، پارامتر جدیدی به نام فاکتور m نیز بر اساس تئوری معادله حالت محمدی¬خواه- محبی- ابولقاسمی به عنوان ورودی روش¬های هوشمند لحاظ گردید. از جمله روش¬های بررسی شده می¬توان به روش هوشمند شبکه¬های عصبی، الگوریتم¬های جستجوی تصادفی مبتنی بر جمعیت از قبیل الگوریتم ژنتیک و الگوریتم گروه ذرات و تلفیق آن¬ها با شبکه¬های عصبی و همچنین الگوریتم برنامه نویسی ژنتیک جهت پیش-گویی این ضریب اشاره کرد. از بین روش¬های مختلف ذکر شده، از روش تلفیق الگوریتم گروه ذرات با شبکه عصبی که دارای کمترین میزان خطا بر روی کل مجموعه داده ها می-باشد، در ساخت دستگاهی هوشمند به منظور محاسبه ضریب تراکم پذیری گاز طبیعی بهره گرفته شد. کلید واژه: ضریب تراکم پذیری، دستگاه هوشمند، شبکه¬های عصبی، الگوریتم ژنتیک، الگوریتم گروه ذرات، برنامه نویسی ژنتیک، معادله حالت mma