پیشبینی درست گاز مصرفی سالانه، میتواند یک راهنمای منطقی برای طرحهای سازنده گاز باشد. و همچنین برای پیشرفتهای بیشتر صنعت گاز مهم است. از آنجایی که منحنی گاز مصرفی سالانه یک حالت غیر خطی را نشان میدهد، پیشبینی گاز مصرفی سالانه یک مشکل غیر خطی است. در این مقاله، از مدل شبکه رگرسیون عصبی تعمیمیافتهGRNN برای پیشبینی گاز مصرفی سالانه استفاده شده است. که نکته کلیدی در آن، تعیین پارامترهای گسترده مناسب، برای استفاده ازGRNNجهت پیشبینی گاز مصرفی سالانه است. در این مقاله، یک روش ترکیبی از الگوریتم بهینهسازی مگس میوهGRNN و FOA برای حل این مشکل پیشنهاد شده است. به طوری کهFOAبرای انتخاب اتوماتیک ارزش پارامترهای گسترده، برای پیشبینی گاز مصرفی، در مدلGRNNمورد استفاده قرار گرفته است. اثرات این روش ترکیبی توسط یک آزمون که نشان داد مدل ترکیبی پیشنهادی از مدلGRNNبا پارامترهای قراردادی، مدلPSOGRNNمدلSALSSVMو مدل OLS-LR برای پیشبینی گاز مصرفی سالانه بهتر عمل میکند، به اثبات رسید. نتایج آزمایشات بر روی دادههای دنیای واقعی، نشان دهنده برتری روش پیشنهادی نسبت به سایر روشهای مطرح است