مدل شبکه ی عصبی مصنوعی، برای پیش بینی دانسیته ی کتون ها در محدوده ی فشار mpa 300-2 و محدوده ی دماییk 338-273 به کار گرفته شد. توصیف کننده ها از میان 18 دسته ی مختلف از توصیف کننده ها در نرم افزار dragon با استفاده از روش رگرسیون مرحله ای چندگانه و تکنیک stepwise انتخاب شدند. توصیف کننده های انتخاب شده شامل ats4e و rdf040e بوده و همچنین دو توصیف کننده ی محاسباتی t و p برای ساخت مدل به کار گرفته شدند. داده های حاصل، به صورت گزینشی به سه دسته ی آموزش، ارزیابی و تست به ترتیب با تعداد 324، 107 و 107 تقسیم شدند به گونه ای که هر سری بهترین نماینده ی کل داده ها باشد. پس از مدلسازی و بهینه کردن پارامترهای شبکه، مدل ساخته شده، با استفاده از سری تست، مورد بررسی قرار گرفت. خطای مربع میانگین (mse) برای سری تست، توسط مدل های mlr و ann به ترتیب 9360/0 و 1735/0 بودند. نتایج به دست آمده نشان می دهد که هر دوی روش های خطی و غیر خطی توانایی دقیقی در پیش بینی دانسیته دارند، اگرچه ann نتایج دقیق تری را نشان می دهد.