یکی از مهم ترین پارامترهای جریان دوفازی مایع- مایع الگوی جریان است. با این وجود، مدل جامع و دقیقی برای پیش‌بینی آن موجود نیست. در این مقاله، از شبکه‌های عصبی مصنوعی به منظور پیش بینی الگوهای جریان افقی مایع- مایع استفاده شد. شبکه‌های عصبی به‌کار رفته، پس انتشار پیش خور (FFBP) و شبکه عصبی احتمالی (PNN) است. با استفاده از 13 نقشه الگوی جریان مایع- مایع مختلف موجود در نوشتگان علمی، تعداد 1912 داده گردآوری شد. سرعت ظاهری آب و نفت، نسبت گرانروی و چگالی نفت به آب و کشش بین سطحی آنها و نیز قطر و میزان زبری لوله ها به عنوان متغیرهای ورودی و 9 الگوی جریان به عنوان متغیرهای خروجی هر دو شبکه انتخاب شد. نتایج به‌دست آمده بر روی مجموعه آزمونِ ساختار بهینه این شبکه ها آشکار کرد که PNN با دقت34/96% نسبت به FFBP (با دقت 73/73%) عملکرد بهتری از خود بروز می‌دهد و می‌تواند به عنوان مدلی جامع به منظور پیش‌بینی الگوهای جریان دوفازی افقی مایع- مایع به‌کار رود.