La fluidización de ciertas biomasas utilizadas en procesos térmicos, como el aserrín, es particularmente difícil debido a sus formas irregulares, tamaños variados y bajas densidades, lo que provoca altas velocidades mínimas de fluidización (Umf). La adición de un material inerte hace que su Umf disminuya significativamente. Sin embargo, la determinación del Umf de la mezcla binaria es difícil de obtener. Generalmente, las correlaciones predictivas se basan en un pequeño número de experimentos específicos, y la esfericidad rara vez se incluye. En el presente trabajo, se utilizaron tres modelos, es decir, una correlación empírica y dos modelos de redes neuronales artificiales (ANN) para predecir el Umf de mezclas de biomasa-inerte. Se realizó una extensa revisión bibliográfica de más de 200 conjuntos de datos con información completa sobre densidades, diámetros de partículas, esfericidades, fracción de biomasa y Umf. Con la aplicación combinada del gráfico de dependencia parcial (PDP) y los modelos ANN, se determinó cuantitativamente el efecto promedio de la esfericidad sobre el Umf (relación inversa) junto con el impacto promedio de la fracción de biomasa sobre el Umf (relación directa). En comparación con las correlaciones empíricas, los resultados mostraron que ambos modelos ANN pueden predecir con precisión el Umf de las mezclas binarias presentadas con errores inferiores al 25%.