В целях предупреждения возникновения аварийной ситуации на предприятиях нефтяной и газовой промышленности необходимо применять системы регулирования, автоматизации и сигнализации. В этой связи в последнее время все большую популярность набирают технологии искусственного интеллекта. Особенный интерес представляют нейронные сети. Для реализации задачи регулирования, автоматизации и прогнозирования технологических процессов нефтяной промышленности возможно применение нейросетевого моделирования химико-технологических процессов. Приведены примеры использования нейросетевого моделирования на практике. Представлены результаты нейросетевого моделирования установки замедленного коксования одного из действующих предприятий. Смоделирована установка замедленного коксования в программном комплексе UniSim Design, которая позволила получить исходный массив данных для нейронной сети. Нейросеть была построена в программе MatLab, создан код программы. Представлены графики погрешности, регрессии. Приведен анализ результатов, представленных на графиках регрессии и погрешности. В результате тестирования модели было получено минимальное расхождение экспериментальных и предсказанных данных, что говорит об адекватности нейросетевой модели. Также было произведено дополнительное тестирование программы. Представлены результаты обучения и тестирования модели. Полученные результаты в дальнейшем могут быть использованы для создания программ на разных уровнях управления, т. к. модель позволяет оценить количество потерь в период работы установки при определенном расходе питательной воды, подаваемой на установку в качестве турболизатора.