This work examines the use of neural networks in modelling the adsorption process of gas mixtures (CO2, CH4, and N2) on different activated carbons. Seven feed-forward neural network models, characterized by different structures, were constructed with the aim of predicting the adsorption of gas mixtures. A set of 417, 625, 143, 87, 64, 64, and 40 data points for NN1 to NN7, respectively, were used to test the neural networks. Of the total data, 60 %, 20 %, and 20 % were used, respectively, for training, validation, and testing of the seven models. Results show a good fit between the predicted and experimental values for each model; good correlations were found (R = 0.99656 for NN1, R = 0.99284 for NN2, R = 0.99388 for NN3, R = 0.99639 for Q1 for NN4, R = 0.99472 for Q2 for NN4, R = 0.99716 for Q1 for NN5, R = 0.99752 for Q3 for NN5, R = 0.99746 for Q2 for NN6, R = 0.99783 for Q3 for NN6, R = 0.9946 for Q1 for NN7, R = 0.99089 for Q2 for NN7, and R = 0.9947 for Q3 for NN7). Moreover, the comparison between the predicted results and the classical models (Gibbs model, Generalized dual-site Langmuir model, and Ideal Adsorption Solution Theory) shows that the neural network models gave far better results.; U ovom radu ispitana je primjena neuronskih mreža u modeliranju procesa adsorpcije smjese plinova (CO2, CH4 i N2) na različitim aktivnim ugljicima. Izrađeno je sedam modela neuronskih mreža, karakteriziranih različitim strukturama s ciljem predviđanja adsorpcije smjesa plinova. Za testiranje neuronskih mreža primijenjen je skup od 417, 625, 143, 87, 64, 64 i 40 podatkovnih točaka za NN1 do NN7. Od ukupnih podataka 60 %, 20 % i 20 % rabljeno je za obuku, validaciju i testiranje sedam modela. Rezultati pokazuju dobar odnos predviđenih i eksperimentalnih vrijednosti za svaki model; pronađene su dobre korelacije (R = 0,99656 za NN1, R = 0,99284 za NN2, R = 0,99388 za NN3, R = 0,99639 za Q1 za NN4, R = 0,99472 za Q2 za NN4, R = 0,99716 za Q1 za NN5, R = 0,99972 za Q3 za NN5, R = 0,99746 za Q2 za NN6, R = 0,99783 za Q3 za NN6, R = 0,9946 za Q1 za NN7, R = 0,99089 za Q2 za NN7 i R = 0,9947 za Q3 za NN7). Dodatno, usporedba predviđenih rezultata i klasičnih modela (Gibbsov model, generalizirani Langmuirov model i teorija idealne adsorpcije otopine) pokazuje da su modeli neuronskih mreža dali daleko bolje rezultate.