Rezultati identifikacije i simulacije dinamičkog ili statičkog radnog sustava značajno ovise o kvaliteti i odabiru ulaznih parametara. U radu je dat uopćen model identifikacije i simulacije radnog sustava u ovisnosti o različitim klasama parametara, temeljen na generaliziranoj regresijskoj neuronskoj (GRNN) mreži. Predložen je i model iteracijskog postupka kojim se pomoću vjerojatnosne neuronske (PNN) mreže vrši ocjena uspješnosti dobivenih simulacijskih rezultata nastalih kao odzivi GRNN mreža. Oba modela su testirana na parametrima sustava upravljanja i regulacije parnoturbinskog postrojenja, a u tu svrhu je korišten programski paket MATLAB 7.0.1. The identification and simulation results of dynamic and static operating systems significantly depend upon the quality and choice of input parameters. The paper presents a generalised identification and simulation model of an operating system dependant on different classes of parameters based on a generalised regressive neural network (GRNN). In addition the iterative procedure model is proposed here which, in virtue of the probability neuron network (PNN), makes it possible to effect efficiency assessment of the results developed as GRNN network responses. Both models have been tested on system parameters for the control and regulation of steam turbine installations utilising for the purpose the software package MATLAB 7.0.1.