本文采用超临界二氧化碳提取技术提取茶树花精油,并对提取工艺进行了比较系统的物理化学研究。将确定量的茶树花干花放入容量为1L的萃取釜中,用超临界二氧化碳流体进行提取。选择萃取压力、萃取温度、动态萃取时间、静态萃取时间、分离温度为5个主要影响因素,运用多因素多水平可视化设计法(m2VD)设计安排实验,同时选取茶树花精油提取质量为实验指标,采用本研究小组自主提出的多因素多水平可视化分析方法(m2VA)对多维空间的实验结果进行分析,规划出最佳工艺范围为:萃取压力19~23MPa,萃取温度57~65℃,静态萃取时间12~17min,动态萃取时间80~100min,分离温度45~48℃。　　多因素多水平实验结果难以用常规的数学方法进行定量的分析,本实验对试验结果数据采用三层拓扑结构为5-3-1的改进误差反向传播模型(Modified Back-Propagation即MBP),建立描述茶树花精油提取工艺的人工神经网络辨识模型。用“留二法”训练模型,当训练次数为36时,误差已经达到10-7。利用训练成功的神经网络定量模型,采用本研究小组提出的五段分析法,系统地研究了不同萃取压力和动态萃取时间下萃取温度对茶树花提取效率的影响,以及不同萃取压力和萃取温度下动态萃取时间对茶树花提取效率的影响。对某特定试验条件下的动力学特性进行了研究。且通过试验验证了模型的正确性。　　利用训练成功的神经网络可以深入研究生产工艺规律并订制合理的生产工艺,也可以根据不同客户的需求进行产物的多元化工艺设计。