U ovom članku dva modela zasnovana na metodologiji umjetne neuronske mreže (ANN) optimizirana su za predviđanje gustoće (ρ) i kinematičke viskoznosti (μ) različitih sustava biogoriva i njihovih mješavina s dizelskim gorivom. Za razvoj tih modela upotrijebljena je eksperimentalna baza podataka od 1025 točaka, uključujući 34 sustava (15 čistih sustava, 14 binarnih sustava i 5 ternarnih sustava). Ti modeli koriste šest ulaza: temperatura (T) u rasponu od −10 do 200 °C, volumni udjeli (X1, X2, X3) u rasponu 0 – 1, a za razlikovanje tih sustava korištena je kinematička viskoznost pri 20 °C u rasponu 0,67 – 74,19 mm2 s–1 i gustoća pri 20 °C u rasponu 0,7560 – 0,9188 g cm–3. Najbolji rezultati dobiveni su arhitekturom {6-26-2: 6 neurona u ulaznom sloju – 26 neurona u skrivenom sloju – 2 neurona u izlaznom sloju}. Rezultati usporedbe eksperimentalnih i simuliranih vrijednosti u smislu korelacijskih koeficijenata bili su: R2 = 0,9965 za gustoću i R2 = 0,9938 za kinematičku viskoznost. Za provjeru točnosti dva prethodno razvijena modela ANN upotrijebljeno je 238 novih eksperimentalnih baza podataka s 4 sustava (2 čista sustava, 1 binarni sustav i 1 ternarni sustav). Rezultati performansi predviđanja s obzirom na korelacijske koeficijente bili su: R2 = 0,9980 za gustoću i R2 = 0,9653 za kinematičku viskoznost. Usporedba rezultata validacije s rezultatima drugih studija pokazuje da su modeli neuronske mreže dali znatno bolje rezultate. Ovo djelo je dano na korištenje pod licencom Creative Commons Imenovanje 4.0 međunarodna .