Актуальность. В процессе бурения скважин буровые долота, армированные пластинами PDC, отрабатывают свой ресурс не полностью, так как часть режущих PDC элементов выходит из строя по причине их скола, слома или потери, что в значительной степени сказывается на конечных технико-экономических показателях бурения скважин. Цель: разработка и предложение нейросетевой модели для решения проблемы определения процента поломок режущих элементов буровых долот, армированных PDC, на основе имеющихся полевых данных бурения скважин по породам VI–VIII категории по буримости. Объекты: причины, вызывающие выход из строя пластин PDC на буровых долотах в процессе бурения скважин в породах VI–VIII категории по буримости в зависимости от режимных параметров бурения. Методы. В качестве факторов для определения процента поломок использовалась нагрузка на долото (P, кН), частота его вращения (N, об/мин) и скорость бурения (V, м/час) при неизменных значениях параметров промывочной жидкости и компоновки низа бурильной колонны. Для анализа данных применялись регрессионные и нейросетевые модели различных конфигураций. Результаты. Анализ регрессионных моделей показал их непригодность из-за нелинейного характера скорости бурения при низких давлениях и высоких оборотах. Авторами предложена двухступенчатая нейросетевая модель, в которой первая нейронная сеть (Neural Network) служит для определения скорости бурения, а вторая – для прогнозирования процента поломок пластин PDC. Ошибки нейросетевого ансамбля на тестовых данных не превышают величину пригодности нелинейных моделей, равную 4,5 % для относительной ошибки и 12–15 % для максимальной величины. Предложенная нейросетевая модель может найти применение при разработке технологического регламента отработки долот, армированных резцами PDC.