در سال های اخیر ، تکنیک های مدل سازی چند متغیره با هدف تجزیه و تحلیل ، توصیف و به طور کلی تفسیر داده های چند بعدی به دست آمده از آزمایشات به کار گرفته شده است. هدف از این مطالعه بررسی کاربرد رگرسیون خطی چندگانه ، رگرسیون غیرخطی ، رگرسیون خطی پراکنده ، و مدل سازی شبکه عصبی مصنوعی برای پیش بینی خواص فیزیکی (کل مواد جامد محلول ، عملکرد استخراج) و خصوصیات شیمیایی (کل محتوای فنلی و فعالیت آنتی اکسیدانی) عصاره های آبی از نه گیاهان دارویی (قاصدک ، بابونه ، اسطوخودوس ، بادرنجبویه ، ترشیجات ، نعناع ، گزنه ، گیاه چنار و بومادران) تهیه شده در آزمایش های پویا بر اساس شرایط استخراج (زمان و دما) و گونه های گیاهی. نتایج نشان داد که مدلهای رگرسیون چند متغیره ساده می توانند برای پیش بینی خصوصیات فیزیکی و شیمیایی عصاره آبی گیاهان دارویی استفاده شوند (بالاترین میزان R2 برای کل فنولی کل) بدست آمد ، در حالی که شبکه عصبی مصنوعی ابزاری بسیار مؤثر (۹/۰> ۹/۲ R =) برای پیش بینی همزمان از خواص فیزیکی و شیمیایی عصاره آبی گیاهان دارویی.