Основной целью данной работы является исследование использования моделей искусственной нейронной сети (ИНС) для проверки и прогнозирования прочностных свойств сухих и влажных песчано-глинистых смесей, используемых для формовки в процессах изготовления литых изделий. В качестве основного параметра, выражающего прочностные свойства песчано-глинистых смесей, использовали сопротивление деформации формы. В качестве выбранной структуры ИНС использовали персептрон с несколькими скрытыми слоями, в качестве метода обучения применяли метод с учителем с использованием экспериментальных данных. Определение синаптических весов производили с использованием базового алгоритма обратного распространения ошибки. Исследовали время обучения и результирующую точность ИНС для предсказания прочностного параметра песчано-глинистых смесей в зависимости от состава смеси, влажности и температуры. В результате исследования была сформирована структура персептрона нейросетевой модели и определены значения величин синаптических весов. Реализующая разработанную нейросетевую модель программа для ЭВМ позволила выполнить прогнозирование количественного влияния отдельных компонентов сырых и сухих песчано-глинистых смесей на их предел прочности на сжатие, который выражается через сопротивление деформации. Полученные результаты прогнозирования характеристик сравнивались с экспериментально полученными результатами других исследователей. Было установлено, что расчетные прогнозируемые данные по влиянию компонентного состава смеси на сопротивление деформации не противоречат экспериментальным данным. Исследования, проведенные с использованием разработанного программного обеспечения, позволили выполнить оценку прочности формовочных смесей с компонентными составами, которые ранее не исследовались. Это позволит расширить диапазоны оценки возможности образования горячих трещин в отливках.