Este trabalho apresenta a implementação de uma Rede Neural Artificial (RNA) desenvolvida na ferramenta computacional MATLAB, com a capacidade de prever de forma estimada o volume de biogás e de metano, produzido em um sistema de biodigestão anaeróbia. Para isso, a RNA desenvolvida, utiliza como entrada de dados, parâmetros físico-químicos da matéria orgânica a ter o seu potencial de produção de biogás inferido, sem que haja a necessidade da realização de experimentos em laboratório. Partindo da premissa de que a forma mais comumente utilizada para avaliação do potencial de produção de biogás é a realização de inúmeros testes em laboratório, que levam de alguns dias até mesmo meses para aferir este potencial, a RNA foi elaborada para trazer maior agilidade ao processo. Essa agilidade também deve servir como ferramenta de apoio para tomada de decisão quanto a viabilidade de projetos que usam biogás e metano para geração de energia elétrica e térmica. É então apresentado um modelo desenvolvido sobre um banco de dados de experimentos de biodigestão realizados em laboratório, onde diferentes matérias orgânicas foram testadas e tiveram resultados de desempenho compilados. Deste banco de dados, parâmetros físico-químicos foram extraídos para serem usados como entrada no processo de treinamento e validação do modelo de rede neural desenvolvido. A RNA foi então submetida ao treinamento, validação e testes fazendo uso de um grupo de dados com 93 amostras, onde teve avaliado sua capacidade de estimação através do índice de correlação e também através do erro quadrático médio obtidos, além de ter seus resultados equiparados as referências. Após essas etapas a rede foi submetida a inferir a produção de biogás e de metano de dois diferentes grupos de dados os quais, possuíam características físico-químicas diferente dos dados usados em seu desenvolvimento. Ao final os resultados mostraram que a RNA desenvolvida tinha aptidão para estimação do grupo usado para o treinamento, assim como apresentado pelas referências, contudo apresentou resultados inconsistentes quando submetida a dados diferentes dos utilizados em seu treinamento, evidenciando a necessidade de um maior desenvolvimento (sic).