Nastajanje naslaga u industrijskim izmjenjivačima topline smanjuje učinkovitost izmjenjivača, povećava operativne troškove, dovodi do veće potrošnje energenata i posljedično povećane emisije CO2. Naslage predstavljaju jedan od najvećih problema u rafinerijskim postrojenjima, a njihovo nastajanje posebno je izraženo u sekciji za predgrijavanje sirove nafte. Kako bi se optimiziralo održavanje izmjenjivača topline i postigle financijske uštede, potrebno je kontinuirano pratiti nastajanje naslaga u izmjenjivačima topline. Zbog složenog sastava sirove nafte, nepoznatog mehanizma nastajanja naslaga i promjenjivih procesnih uvjeta ne postoji opće prihvaćeni empirijski ili polu-emipirijski model za praćenje nastajanja naslaga u izmjenjivačima topline u sekciji za predgrijavanje. Stoga se sve češće koriste modeli temeljeni na podacima. U ovom diplomskom radu, razvijeni su modeli umjetnih neuronskih mreža i modeli ekstremnog gradijentnog pojačavanja za predviđanje izlazne temperature tople i hladne struje čistog izmjenjivača topline. Modeli su razvijeni koristeći fizikalno-kemijska svojstva sirove nafte i kontinuirane praćene procesne varijable iz rafinerijskog postrojenja. Postupna razlika između predviđenih i stvarnih temperatura ukazuje na smanjenje učinkovitosti izmjenjivača topline zbog prisutnosti naslaga. Najbolji modeli detaljnije su analizirani, a njihove izlazne temperature korištene su za izračun fouling faktora, koji pruža kvantitativan uvid u proces nastajanja naslaga. Koristeći ovu metodologiju može se dobiti uvid u trend nastajanja naslaga. Primjena razvijenih modela na rafinerijskom postrojenju omogućila bi kontinuirano praćenje nastajanja naslaga u izmjenjivačima topline, čime bi se postigle značajne financijske uštede i osiguralo pravovremeno čišćenje izmjenjivača.