El vehículo aéreo no tripulado (VANT) ha llamado la atención de los militares e investigadores de todo el mundo, lo que tiene ventajas como una robusta capacidad de supervivencia y ejecución. Los modelos de movilidad se utilizan generalmente para describir el movimiento de nodos en redes de drones. Se han propuesto diferentes modelos de movilidad para diferentes escenarios de aplicación; actualmente, no existe un modelo de movilidad unificado que pueda adaptarse a todos los escenarios. La movilidad de los nodos es una característica esencial de las redes móviles ad hoc (MANET), y el estado de movimiento de los nodos impacta significativamente en el rendimiento de la red. Actualmente, la mayoría de los estudios relacionados se centran en el establecimiento de modelos matemáticos que describen las características de movimiento y conectividad de los modelos de movilidad con una universalidad limitada. En este estudio, utilizamos una red neuronal de retropropagación (BPNN) para explorar la relación entre las características de movimiento de los nodos móviles y el rendimiento de los protocolos de enrutamiento. La red neuronal se entrena extrayendo cinco indicadores que describen la relación entre los nodos y las características globales de los nodos. Nuestro modelo muestra un buen rendimiento y precisión de clasificación en nuevos conjuntos de datos con diferentes características de movimiento, verificando la corrección de la idea propuesta, que puede ayudar en la selección de modelos de movilidad y protocolos de enrutamiento en diferentes escenarios de aplicación, evitando así experimentos repetidos para obtener un rendimiento de red relevante. Esto ayudará en la selección de modelos de movilidad para redes de drones y en la configuración y optimización de protocolos de enrutamiento en futuros escenarios de aplicación práctica.