چکیده: در این پایان نامه، از مدل شبکه عصبی موجک برای پیش بینی دانسیته آلکان ها از 2 تا 19 کربنه و سیکلوآلکان ها در محدوده ی وسیعی از دما و فشار استفاده شده است. دو شبکه عصبی موجک برای پیش بینی دانسیته مدل سازی شد: یکی برای گازهای طبیعی (آلکان های 2 تا 4 کربنه) و دیگری برای آلکان های خطی 5 تا 19 کربنه و سیکلوآلکان ها. در ابتدا، مدل شبکه عصبی موجک برای گازهای طبیعی با دو متغیر دما و فشار و توصیف‎کننده بر مبنای روش سهم گروه شامل متیل و متیلن طراحی گردید. سپس جهت به کارگیری شبکه عصبی موجک، برنامه ی رایانه ی در محیط MATLAB نوشته شد و پس از آموزش شبکه، پارامترهای شبکه شامل ممنتم، سرعت آموزش، تعداد نرون لایه ی مخفی و تعداد دور آموزش بهینه‎سازی گردید. کارایی شبکه ی بهینه شده با رسم نمودار مقادیر تجربی دانسیته بر حسب مقادیر پیش بینی شده برای دو سری پیش بینی و تایید مورد ارزیابی قرار گرفت. نتایج حاصل با متوسط درصد خطای نسبی کمتر از 9/0% کارایی مطلوب شبکه را تایید می کند. در مرحله ی بعد، مدل شبکه ی عصبی موجک برای پیش بینی دانسیته‎ی آلکان های خطی از 5 تا 19 کربنه وسیکلوآلکان-ها با 5 توصیف کننده شامل دما وفشار و تعداد گروه های متیل، متیلن و متین طراحی و بهینه سازی گردید. رفتار کاملاّ خطی با ضریب همبستگی R^2≥0/9486 مشاهده گردید. این روش دانسیته ی این ترکیبات را با متوسط درصد خطای نسبی کمتر از 1/1% پیش بینی می کند.