La digestión anaerobia de lodos de aguas residuales en las plantas de tratamiento de aguas residuales de Corea del Sur se ve afectada por factores estacionales y otras influencias, lo que resulta en una menor eficiencia de digestión y producción de gas, que no puede alcanzar rendimientos óptimos. El objetivo de este estudio fue mejorar la eficiencia de digestión y la producción de gas de la digestión anaerobia de lodos en una planta de tratamiento de aguas residuales (PTAR) utilizando técnicas de minería de datos para ajustar los parámetros operativos. A través de datos experimentales obtenidos de la PTAR en la ciudad de Daegu, Corea del Sur, se utilizó una tecnología de red neuronal artificial (RNA) para ajustar el rango de la tasa de carga orgánica (TCO) y la tasa de retención hidráulica (TRH) para mejorar la eficiencia y la producción de gas metano de la digestión anaerobia de lodos. Las fuentes de datos fueron normalizadas, y el análisis de datos incluyó análisis de correlación de Pearson, análisis de regresión múltiple y una red neuronal artificial para obtener resultados óptimos. Los resultados del estudio mostraron un aumento previsto del 0.5% en la eficiencia de digestión y un aumento del 1.3% en la producción de gas con cargas orgánicas de 1.26-1.46 kg/m día y una TRH de 26-30 días. Esto muestra que el modelo de RNA que establecimos es factible y puede ser utilizado para mejorar la eficiencia y la producción de gas de la digestión anaerobia de lodos.