چکیده: در این کار، از مدلسازی QSPR با استفاده از روش خطی رگرسیون چند مرحله ای و روش غیر خطی شبکه ی عصبی مصنوعی، برای پیش بینی دانسیته ی آلکانها در محدوده ی وسیعی از دما وفشار استفاده گردید. با توجه به این که آلکانهای تا چهار کربنه (اجزاء گاز طبیعی) در شرایط محیط به صورت گاز و بقیه ی آلکان ها تا 19 کربنه در همین شرایط مایع هستند لذا این مواد به دو گروه اجزاء گاز طبیعی و آلکانهای 5 تا 19 کربنه تقسیم شدند. برای هر یک از این گروه ها، 1481 توصیف کننده توسط نرم افزار دراگون محاسبه گردید و با استفاده از روش رگرسیون چند مرحله ای، توصیف کننده های مناسب از میان آن ها انتخاب شد. توصیف کننده های انتخاب شده عبارتند از Ms و MW برای آلکان های 5 تا 19 کربنه و MATS2m وMor 04v برای اجزاء گازهای طبیعی. این توصیف کننده ها به همراه 2 متغیر دما و فشار برای ساخت مدل بکار گرفته شدند. داده های موجود به صورت اتفاقی به سه دسته ی آموزش، ارزیابی و تست تقسیم شدند. پس از آموزش و بهینه کردن پارامترهای شبکه، کارایی مدل با استفاده از سری تست مورد ارزیابی قرار گرفت. متوسط مربعات خطا در پیش بینی دانسیته در سری تست، برای آلکان های 5 تا 19 کربنه 0/233 و برای اجزای گازهای طبیعی 9/70 بدست آمدند. همچنین نتایج به دست آمده از شبکه با نتایج حاصل از مدل خطی مقایسه گردید و مشخص شد که روش ANN توانایی بهتری در پیش بینی دانسیته ی این ترکیبات دارد.