در این پایان نامه از شبکه عصبی موجک برای پیش بینی ویسکوزیته مخلوط سیال در محدوده وسیع دما و فشار استفاده شد. با استفاده از این روش با داشتن سه ورودی دما، دانسیته و کسر مولی خروجی یعنی ویسکوزیته محاسبه گردید. نوع الگوریتمی از شبکه عصبی مصنوعی که مورد استفاده قرار گرفت، الگوریتم پس انتشار خطا با شیوه آموزش کاهش شیبی بود که این نوع الگوریتم از الگوریتم های با سرپرست(ناظر) می باشد. نتایج حاصل از روند محاسباتی شبکه عصبی مصنوعی با این نوع الگوریتم با نتایج حاصل از معادلات موجود در مقالات در زمینه پیش بینی ویسکوزیته در محدوده وسیعی از فشار و دما مقایسه گردید. مقایسه این نتایج نشان داد که شبکه های عصبی موجک بکار رفته قدرت زیادی در پیش بینی ویسکوزیته در دامنه دما و فشار دارد و توانایی رقابت با شیوه های استفاده از معادلات تئوری و تجربی دارد. مزیت دیگر استفاده از شبکه عصبی مصنوعی علاوه بر پیش بینی نتایج بهتر برای ویسکوزیته مخلوط سیال ها، در این است که نیاز به ارائه مدل های پتانسیلی و محاسبات پیچیده جهت به دست آوردن انتگرال برخورد را بر طرف می کند. و در یک کلام این شبکه ها با توجه به قدرت تعمیم دهی بالا ی آنها نیاز به معادلات را کاهش می دهند. همچنین می توانند به عنوان ابزاری جهت پیش بینی همزمان چند خصوصیت ترمودینامیکی استفاده شوند.