چکیده: کوره پیش گرم نورد یکی از تجهیزات مصرف کننده انرژی حرارتی و به طور ویژه گاز طبیعی در صنعت فولاد می باشد. ارزیابی عملکرد کوره و تلاش برای بهبود مصرف انرژی آن می تواند به طور قابل توجهی بر میزان مصرف گاز زنجیره فولاد تاثیر داشته باشد. لذا کوره پیش گرم نورد شرکت مجتمع فولاد خراسان به عنوان مطالعه موردی انتخاب گردیده است تا با جمع آوری اطلاعات بتوان مدلی برای این تجهیز مهم در صنعت فولاد با استفاده از ابزار هوش مصنوعی ایجاد نمود. لذا در این پژوهش ابتدا با بررسی کوره، سنسورهای مورد نیاز برای ورودی و خروجی شمش از کوره نصب گردیده است. سپس در بازه های زمانی مشخص به ثبت داده های کامل کوره پرداخته شده است. سپس یک شبکه عصبی بر پایه شبکه مولتی لایر پرسپترون که از رگرسیون داده‌ها برای مدل‌سازی داده‌ها استفاده می‌کند، در برنامه متلب کدنویسی گردید. حال جهت آموزش شبکه عصبی، اطلاعات بدست امده را هر بار در بازه‌های 5، 10 و 15 تایی تفکیک کرده و میانگین، انحراف معیار، چولگی، کشیدگی، مینیمم و ماکسیمم هر بازه را محاسبه نموده، حال هر کدام از اطلاعات را در بازه‌های یکسان برای دمای زون‌های مختلف به صورت یکجا و یا تک به تک و یا به صورت چندتایی به عنوان ورودی، و اطلاعات مربوط به دمای شمش خروجی را به عنوان خروجی به شبکه عصبی وارد کرده و شبکه عصبی را آموزش می‌دهیم. باید توجه داشت کدنویسی شبکه عصبی به نحوی می‌باشد که که 70 در صد از داده‌های ورودی را به عنوان آموزش شبکه و مابقی آن را برای تست شبک آموزش دیده شده استفاده می‌کند. سپس گزارشی از performance داده‌ها به ما می‌دهد که هرچه داده‌ها به صفر نزدیک‌تر باشند عملکرد آموزش شبکه عصبی مطلوب‌تر می‌باشد که بهترین performance در بازه 15 تایی و تنها با میانگین به وجود آمد. حال با توجه به شبکه عصبی آموزش داده شده رابطه بین دمای زون‌ها و دمای شمش خروجی، دمای دود با دمای شمش خروجی و دمای دود با راندمان کوره را مورد تحلیل قرار می‌دهیم که سبب می‌شود با کاهش تغییرات دمای دود و کاهش دمای زون‌ها مصرف انرژی کاهش یابد. بر اساس نتایج به‌دست‌آمده از آموزش شبکه عصبی می‌توان به این نتیجه رسید با کاهش 50 درجه ای دمای میانگین هر زون مقدار دمای شمش خروجی تغییر محسوسی نمی کند اما میانگین دمای دود خروجی به میزان قابل توجهی کاهش پیدا می کند و برابر با 549 درجه می باشد.که این کاهش دما با توجه به محاسبات راندمان، سبب تفییر راندمان از 63/54 درصد به 21/61درصد می شود که سبب افزایش 58/6 درصد در راندمان کوره می شود. میزان قبض گاز پرداختی سالانه برای کوره پیش کرم نورد برابر با 80 میلیارد تومان می باشد حال با توجه به پتانسیل صرفه جویی 58/6درصد به وجود آمده می توان حدودا 264/5 میلیارد تومان صرفه جویی در سال کرد. افزایش راندمان و کاهش مصرف سوخت یکی از اثرات مستقیم این تحقیق می باشد و با توجه به کاهش دما در نواحی مختلف کوره، یکی دیگر از تاثیرات این افزایش راندمان، افزایش طول عمر نسوز های کوره می باشد که این عمر موجب افزایش دوره تعویض نسوز کوره و کاهش زمان توقفات، بابت این موضوع می گردد که این عمر سبب افزایش نرخ تولید سالیانه نیز می گردد.