Para diversos obstáculos en el camino de un flujo de líquido en movimiento, se construye un modelo de red neuronal artificial (ANN) para estudiar la fuerza hidrodinámica en función del objeto. Se emplearon modelos de perceptrón multicapa (MLP), retropropagación (BP) y red de avance (FF) para crear el modelo de ANN, que tiene una alta precisión de predicción y una estructura sólida. Para ser más específicos, se instalan cilindros de forma circular, octagonal, hexagonal, cuadrada y triangular en un canal rectangular. El fluido fluye desde la pared izquierda del canal siguiendo dos perfiles de velocidad explícitamente lineal y de velocidad parabólica. Se mantiene la condición de no deslizamiento en las paredes superior e inferior del canal. Se aplica la condición de Neumann en la salida. Todo el diseño físico está regulado matemáticamente utilizando ecuaciones de flujo. El resultado se presenta utilizando el enfoque de elementos finitos, con el par de elementos finitos LBB-estable y un esquema de malla híbrida. Los valores del coeficiente de arrastre se calculan realizando integración de línea alrededor de las obstrucciones instaladas tanto para perfiles lineales como parabólicos. Los valores del coeficiente de arrastre se predicen con alta precisión desarrollando un modelo de ANN hacia varios obstáculos.