در این پژوهش، روش رابطه کمی ساختار- فعالیت (qsar) برای مدل سازی و پیش‏بینی فعالیت ضد فشار خون مشتقات پیریدازینون با استفاده از روش‏های مختلف کمومتریکس به کار رفته است. ابتدا با استفاده از نرم افزار‏های هایپرکم، موپک و دراگون تعدادی توصیف‏ کننده بدست آمد. در مرحله بعد با استفاده از روش رگرسیون خطی چند متغیره (mlr) تعداد مناسبی از توصیف ‏کننده‏ ها انتخاب شدند. در این قسمت از نرم افزار spss استفاده شد. نتایج بدست آمده از روش mlr نشان داد که فعالیت ضد فشار خون مشتقات پیریدازینون به توصیف‏ کننده ‏هایی مانند توصیف‏ کننده‏ های توپولوژیکی، توصیف‏ کننده ‏های تابع توزیع شعاعی و توصیف ‏کننده‏ های سه بعدی مورس بستگی دارند. در مرحله بعد این توصیف ‏کننده ‏ها به عنوان ورودی به شبکه‏ های عصبی مصنوعی با الگوریتم‏ های آموزش متفاوت به‏ کار برده شدند . از بین شبکه‏ های عصبی آموزش داده شده، شبکه جلو‏رونده با انتشار به عقب خطا که با الگوریتم لونبرگ مارکوواردت آموزش دیده است، بهترین نتایج را ایجاد کرد. پس از بهینه سازی این شبکه دارای ساختار 1-6-8 می‏باشد. با بررسی نتایج آماری دریافتیم که شبکه عصبی مصنوعی قدرت پیش‏ بینی بهتری نسبت به روش‏ خطی mlr دارد.