为了精确预测泥浆密度随泥浆类型而变化的情况，已经研制出一种人工神经网络模型。水基和油基钻井液在0～1400psi的压力范围和400℉的高温时的实验测量用来开发和测试ANN模型。知道了标准条件下（0 psi和70℉）钻井液类型（水基或油基）和其密度，开发出的模型可以预测任何温度和压力（在所研究范围内）下的密度，平均绝对百分数误差为0.367，均方根误差为0.0056，相关系数0.9998。
钻井液密度通常是在标准条件下确定。钻井过程中，钻井液处于温度和压力上升的环境中。较高的压力增加了钻井液密度，而温度增加造成密度降低。要适当设计和进行钻井作业（特别是对于HPHT这样的井来说），需要对钻井液密度随作业过程中温度和压力的变化有一个透彻的了解。只有通过精确测量在所需温度和压力下钻井液的密度才可以得到准确的信息。然而，这就需要有专用设备，而且需要一定的时间，困难在所难免。因而，预测各种温度和压力下钻井泥浆密度对钻井设计极为有用。
研究表明，在温度和压力分别为70～400℉ 和0-1400帕时所进行的测量得出这样的结论：泥浆密度随温度和压力的变化与初始泥浆密度无关；对地面条件下相同的泥浆密度来说，高温高压下油基钻井液比水基钻井液密度更大。使用实验得到的数据推导出各种不同的地面水基泥浆密度随温度而变化的各种各样的关系。然而，这些关系不考虑压力对泥浆密度的影响，而且只限于特殊地面密度的水基液，温度压力不超出实验范围。
在不考虑经验相关和其固有的局限性时，近年来已经证明ANN模型可以有效解决石油工业中出现的问题。本文介绍可以精确预测水基和油基钻井液密度的ANN模型。识别钻井液类型和地表条件下钻井液密度，研发出预测所有温度和压力下钻井液密度的模型。