本发明涉及油水乳化领域，公开一种基于神经网络的油水乳状液黏度预测方法。本发明采用实验和机器学习相结合的方法提供一种不同剪切速率、温度、含水率条件下的油水搅拌乳化黏度的动态预测方法，采用自主设计的锥形板可变体积湍流减阻评价装置搅拌制备不同含水率条件下的油水乳状液，实时测试得到多因素条件下的油水乳状液黏度，通过贝叶斯正则化算法与BP神经网络算法相结合对油水乳状液黏度进行预测和评估，解决了油水乳状液黏度预测精度低、普适性差的问题，提高了油水乳状液黏度的预测精度，该方法适用于多变量、大样本的油水乳化情况，对于油田开采、原油处理具有很好的工业指导意义和应用前景。