La variación en la demora de la ruta se convierte en una seria preocupación en la tecnología avanzada, especialmente para condiciones de múltiples esquinas. Se han propuesto numerosos métodos de análisis de tiempo para resolver el problema de la variación en la demora de la ruta, pero se centran principalmente en cada esquina individual y se basan en una biblioteca de tiempo caracterizada, lo que descuida la correlación entre múltiples esquinas, lo que resulta en un alto esfuerzo de caracterización para todas las esquinas requeridas. Aquí, se propone un nuevo marco de predicción para la variación en la demora de la ruta mediante el empleo de un método basado en el aprendizaje utilizando la regresión de retropropagación (BP). Puede utilizarse para resolver el problema de la predicción de la variación en la demora de la ruta bajo una sola esquina. Además, para condiciones de múltiples esquinas, el marco propuesto puede ampliarse aún más para predecir esquinas que no están incluidas en el conjunto de entrenamiento. Los resultados experimentales muestran que el modelo propuesto supera al método tradicional de Variación Avanzada en Chip (AOCV) con una mejora del 1.4X para la predicción de la variación en la demora de la ruta para esquinas individuales. Además, al predecir nuevas esquinas, el error máximo es del 4.59%, que es menor que los trabajos actuales más avanzados.