Se propone un nuevo enfoque para predecir las características geométricas del comportamiento de mezcla de un chorro denso inclinado para ángulos que van desde 15 grados hasta 85 grados en este estudio. Este enfoque se llama método de grupo de manejo de datos (GMDH) y se basa en la técnica de redes neuronales artificiales (ANN). El modelo propuesto fue entrenado y probado utilizando datos experimentales existentes reportados en la literatura. Luego, el modelo fue evaluado utilizando índices estadísticos, así como comparado con modelos analíticos de estudios anteriores. Los resultados del coeficiente de determinación (R2) indican la alta precisión del modelo propuesto, con valores de 0.9719 y 0.9513 para el entrenamiento y la prueba para la distancia adimensional desde la boquilla hasta el punto de retorno xr/D y 0.9454 y 0.9565 para el entrenamiento y la prueba para la altura de elevación terminal adimensional yt/D. Además, se utilizaron cuatro modelos analíticos anteriores para evaluar el modelo GMDH. Los resultados mostraron la superioridad del modelo propuesto en la predicción de las características geométricas del chorro denso inclinado para todos los ángulos probados. Finalmente, se aplicó el error estándar de la estimación (SEE) para demostrar qué modelo tuvo el mejor desempeño en términos de aproximarse a los datos reales. Los resultados ilustran que todas las líneas de ajuste del modelo GMDH funcionaron muy bien para todas las predicciones de parámetros geométricos y fue el mejor modelo, con un error de aproximadamente 10%, que fue el valor de error más bajo entre los modelos. Por lo tanto, este estudio confirma que el modelo GMDH puede ser utilizado para predecir las propiedades geométricas del chorro negativo de flotabilidad inclinada con alto rendimiento y precisión.