این ماده از اختلاط برش های متفاوت تولیدی در واحدهای مختلف پالایشگاه و افزودنی های موردنیاز تولید می گردد تا محصولنهایی با مشخصات تعیین شده مطابقت داشته و کمترین هزینه را دربر داشته باشد از جمله مهم ترین مشخصات بنزین، درجه آرامسوزی آن می باشد که به عنوان خاصیت ضدضربه ای بنزین در هر اختلاط تعیین می گردد. بنابراین دستیابی به مدلی دقیقبرای پیش بینی مشخصات بنزین به ویژه درجه آرام سوزی، با استفاده از مشخصات برش های تشکیل دهنده آن از لحاظ اقتصادیو عملیاتی اهمیت دارد . مدل مورد نظر بر اساس نفت خام ورودی و دستگاه های عملیاتی هر پالایشگاه جهت استفاده در آنپالایشگاه طراحی می گردد استفاده از شبکه عصبی مصنوعی به صورت مدل جعبه سیاه برای اختلاط بنزین مناسب به نظر میرسد. در این تحقیق سعی شده است با استفاده از شبکه عصبی مصنوعی، مدلی جهت پیش بینی درجه آرام سوزی ارائه وپارامترهای مختلف موثر بررسی و ساختار بهینه تعیین گردد . در ادامه کار و با توجه به ارزش اقتصادی مقادیر افزودنی ها مخصوصاًMTBE نسبت به بنزین تولیدی، همچنین محدودیت های مدیریتی خاص، سیاست دولت در راستای استفاده حداقل از افزودنی ها از قبیل MTBE و به بیان دیگر تولید بنزین با حداقل درجه آرام سوزی بر اساس استانداردهای شرکت ملی پالا یش و پخش فرآورد ه های نفتی می باشد بنابراین مدلی برای پیش بینی افزودنی ها در درجه آرام سوزی مشخص با استفاده از شبکه عصبیمصنوعی ارائه گردید.