مدل شبکه ی عصبی برای پیش بینی دانسیته ی 1- آلکانول ها در محدوده ی وسیعی از فشار mpa) ‎‏ 300-1/0) و محدوده ی دمایی ‏‎ k)‎‏15/383- 15/298) به کار گرفته شد. توصیف کننده ها ‏از میان 18 دسته ی مختلف از توصیف کننده ها 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 به کار ‏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، کارایی مدل بهینه شده با استفاده از سری تست مورد ‏بررسی قرار گرفت. متوسط مربعات خطای (‏mse‏)، برای سری تست با استفاده از دو روش ‏mlr‏ و ‏ann‏ به ترتیب 384/0 و 036/0 به دست 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.‏