چکیده: مدل شبکه ی عصبی برای پیش بینی دانسیته ی 1- آلکانول ها در محدوده ی وسیعی از فشارMPa) 300-1/0) و محدوده ی دمایی K)15/383- 15/298) بکار گرفته شد. توصیف کننده ها از میان 18 دسته ی مختلف از توصیف کنندهها در نرم-افزارDragon با استفاده از روش رگرسیون مرحله ای چندگانه (MLR) و تکنیکstepwise انتخاب شدند. توصیف کننده انتخاب شده، HGM بود. یک توصیف کننده محاسباتی و دو توصیف کننده تجربی دما و فشار برای ساخت مدل بکار گرفته شدند. داده های حاصل به صورت تصادفی به سه دسته ی آموزش، ارزیابی و تست با تعداد 396 : 86 : 86 تقسیم شدند به گونه ای که هر سری بهترین نماینده ی کل داده ها باشد. پس از آموزش و بهینه کردن پارامتر های شبکه، کاریی مدل بهینه شده با استفاده از سری تست مورد بررسی قرار گرفت. متوسط مربعات خطای (MSE)، برای سری تست با استفاده از دو روش MLRو ANN بترتیب 0/384 و 0/036 بدست آمد. نتایج به دست آمده از شبکه بهینه شده با نتایج تجربی و همچنین نتایج حاصل از روش MLR مقایسه گردید که این بررسی برتری مدل ANN را نسبت به مدل MLR نشان داد.