var. es valiosa por sus propiedades medicinales. Las barreras para la comercialización del aceite esencial son la falta de genotipos con alto contenido de aceite y las variaciones en la cantidad y calidad de los aceites esenciales en diferentes áreas geográficas. El contenido de aceite esencial de la albahaca tailandesa está significativamente influenciado por factores del suelo y ambientales. Para optimizar y predecir el rendimiento de aceite esencial de la albahaca tailandesa en varias regiones agroclimáticas, se llevó a cabo el presente estudio. Los 93 conjuntos de datos utilizados para construir el modelo se recopilaron de muestras tomadas en 10 diferentes regiones agroclimáticas de Odisha. Se utilizaron variables climáticas, parámetros del suelo y contenido de aceite para entrenar el modelo de Red Neuronal Artificial (ANN). El resultado mostró que una red neuronal de alimentación hacia adelante de múltiples capas con un valor R cuadrado de 0.95 era el modelo más adecuado. Para entender cómo interactúan las variables y determinar el valor óptimo de cada variable para la mayor respuesta, se trazaron las curvas de superficie de respuesta. Se utilizó el algoritmo de Garson para descubrir los predictores influyentes. Se encontró que el contenido de potasio en el suelo tenía una influencia muy fuerte en las respuestas, seguido de la humedad relativa máxima y la precipitación promedio, respectivamente. El estudio revela que al ajustar los parámetros variables para una alta significancia comercial, el modelo de predicción basado en ANN con la técnica de metodología de superficie de respuesta es una forma nueva y prometedora de estimar el rendimiento de aceite en un nuevo sitio y maximizar el rendimiento de aceite esencial en una región particular. Hasta donde sabemos, este es el primer informe sobre un modelo de predicción basado en ANN para var. .