El uso de combustibles fósiles genera un impacto negativo en el medio ambiente. Por lo que se ha impulsado la investigación del aporte energético de los residuos agroindustriales, pues en el ecuador el consumo anual de papa por persona está en 30 kg. El comportamiento térmico de materiales como la cáscara de papa se determina por termogravimetría. Esta investigación desarrolló una red neuronal artificial capaz de predecir el comportamiento termogravimétrico de la energía de activación en los residuos de cáscara de papa (Solanum tuberosum). Se utilizaron datos experimentales del análisis termogravimétrico de la cáscara de papa y cálculos mediante modelos cinéticos propuestos, estableciendo una base de 100 datos en el modelo de predicción. El desarrollo de la red se llevó a cabo en el software Matlab con tres variables de entrada correspondientes al tiempo, temperatura y peso. Se desarrollaron 375 neuronas en la capa oculta de acuerdo con el coeficiente de correlación de pearson de 1 y error cuadrático medio de 2,327E-09 que evidenciaron como mejor algoritmo de entrenamiento el de regularización bayesiana; por último, se empleó una variable de salida correspondiente a la energía de activación calculada por el método cinético de Flynn Wall Ozawa, validando de esta manera al modelo de predicción con un valor del 95% de confianza. La información de la energía de activación real obtenidos por termogravimetría y predicha por la red neuronal artificial muestran estadísticamente que no existe una diferencia significativa, de tal manera que el método de predicción de redes neuronales artificiales desarrollado resulta muy efectivo para la predicción de la energía de activación de los residuos de cáscara de papa.