با توجه به هزینه بر و زمان بر بودن آزمایش های اپتیکی انتقال حرارت (تداخل سنجی لیزری)، تکرار یک آزمایش در یک بازه وسیع از داده ها امکان پذیر نیست. بنابراین پیش بینی نتایج یک آزمایش برای مقادیر مختلف داده های آزمایش نشده، یک مسئله مورد توجه است. در همین زمینه، قابلیت پیش بینی بسیار دقیق شبکه های عصبی مفید به نظر می رسد. شبکه های عصبی مصنوعی یک رهیافت هوشمند جدید برای حل مسائل مختلف است. در این رهیافت با در دست داشتن تعداد محدودی از داده های ورودی و خروجی مطلوب آنها، می توان شبکه را به گونه ای آموزش داد که برای محدوده وسیعی از داده های ورودی، خروجی مطلوب را با دقت بسیار خوبی پیش بینی کند. در این پایان نامه برای یک آزمایش خاص انتقال حرارت و برای یافتن عدد ناسلت در جابجایی آزاد؛ در مورد یک لوله قرار گرفته بین دو دیواره عایق، بر اساس ارتفاع لوله از سطح و اعداد رایلی مختلف؛ داده های تجربی به دست آمده، به کمک چند نوع شبکه عصبی مختلف مدل سازی شده و دقت خروجی به دست آمده از هر روش، با هم مقایسه شده است. در نتیجه در بین مدل های آزمایش شده، بهترین مدل انتخاب شده و تلاش شده است تا شبکه برای به دست دادن بهترین پیش بینی (حداقل خطای ممکن) آموزش داده شود. نتیجه به دست آمده نشان می دهد که می توان از شبکه های عصبی به عنوان ابزاری برای توسعه نتایج آزمایشگاهی و پیش بینی مقادیر مجهول در محدوده های آزمایش نشده متغیرها، با دقت بسیار بالا، استفاده کرد.