Resumen: El propósito de este Trabajo de Fin de Grado es elaborar un gemelo digital de un reactor de gasificación en lecho fluidizado para predecir la composición de los compuestos de salida, a partir de los parámetros de entrada. El modelo tiene como objetivo disminuir el número de ensayos en planta piloto y respaldar la optimización de los métodos sostenibles de conversión de biomasa. Se compararon varios modelos (modelos clásicos, redes neuronales y redes neuronales Bayesianas) y se observó que el perceptrón multicapa proporciona un alto nivel de precisión en especies como etileno; por otro lado, los modelos más sencillos sobresalen en CO y CO₂. Además, se incluyó un estudio de incertidumbre y el impacto de las biomasas en el entrenamiento. Para concluir, se sugiere un enfoque mixto que combina modelos especializados y generales para maximizar la precisión y la robustez del gemelo en distintos escenarios operativos.