تخمین ترکیب درصد اجزاء تشکیل دهنده فازها در تعادلات ترمودینامیکی برای طراحی ومدلسازی تعادل بسیار بااهمیت است. انجام آزمایشات در شرایط دما،فشارمختلف بخصوص درمدلهای ترمودینامیکی برای تخمین lle همیشه امکانپذیر نیست. داده های دقیق تعادل مایع-مایع(lle) برای مخلوطهای چندگانه درطراحی بسیاری ازفرآیندهای شیمیایی وعملیات جداسازی مهم است. تحقیقات بر روی lleسیستم های چندگانه درسالهای اخیر بیشتر موردتوجه قرارگرفته است. روشهای متداول محاسبه بر معادلات حالت استوار است. این روش ها هرچند از اصول تئوری قوی گرفته شده است اما در این حالت باید از پارامترهای برهمکنش دوتایی که هم تابعی ازدما و هم تابعی ازنوع ترکیب می باشند، استفاده نمود و آن را در هر دمایی کهlle نیاز است محاسبه کرد. روش تکراری محاسبه lleبا استفاده از معادلات حالت آن را برای کنترل همزمان غیرقابل استفاده می نماید. توسعه ابزارهای عددی مانند شبکه های عصبی روش دیگری را برای محاسبه lleبه ارمغان آورده است. این روش به خاطر رابطه غیرخطی ای که بین متغیرهای وابسته و متغیرهای مستقل بوجود می آورد بسیار موردتوجه قرارگرفته است. در این پژوهش با استفاده از شبکه های عصبی feedforward با لایه ها و نرون های مختلف، تعادلات ترمودینامیکی مایع – مایع چند جزئی مختلفی که در طی فرآیند خالص سازی بیودیزل تولیدی از روغن سویا و jatrophacurcas با آن روبه رو می شویم، مدل شده است. از آنجاکه برای سیستم های مورد بررسی داده های کمی در هر مقاله وجود دارد و با این تعداد داده، شبکه های عصبی جواب رضایت بخشی ندارد لذا از داده های سیستم های مشابه در مقالات استفاده شده است. سپس نتایج حاصل از شبکه ها با مدل های ترمودینامیکی بکار رفته در مقالات مقایسه شد، که درصد خطای نسبی متوسط شبکه ها برابر با % 9/0 و درصد خطای نسبی متوسط مدل های ترمودینامیکی برابر با % 7/1 بدست آمد و بنابراین شبکه با دقت بیشتری نسبت به مدل های بکار رفته با داده های آزمایشگاهی مطابقت دارد.