برای دستیابی به جداول تیر راکت‌های سوخت جامد به منحنی دقیق نیروی پیشران نیاز می‌باشد. در این موتورها دمای اولیه سوخت تاثیر قابل ملاحظه‌ای بر روی پروفیل نیروی پیشران دارد. در روش‌های متداول کنونی از طریق تجربی اثر دما بر روی نرخ سوزش اندازه‌گیری شده و سپس با استفاده از روابط ترمودینامیکی، منحنی نیروی پیشران محاسبه می‌گردد. در هر صورت بدلیل فرض‌های ساده‌کننده‌ای که در بدست آوردن این روابط استفاده می‌شوند، منحنی محاسبه شده همواره با منحنی بدست آمده از تست استاتیک مطابقت ندارد. در این مقاله دیدگاه جدیدی مطرح می‌گردد. انگیزه این دیدگاه از شبکه‌های عصبی مصنوعی گرفته شده است. در اینجا نتایج بدست آمده از آزمایشات تجربی در سه دمای مختلف به شبکه عصبی آموزش داده می‌شوند و سپس از شبکه آموزش دیده برای تولید منحنی نیروی پیشران در دماهای مختلف در محدوده آموزش و خارج از آن استفاده می‌شود. سودمندی دیدگاه جدید بر روی یک راکت سوخت جامد ارزیابی شده و نتایج بدست آمده مزیت روش بکارگرفته شده را نشان می‌دهد.