La necesidad de predicción es ampliamente reconocida en limnología. En este estudio, se utilizaron datos de 25 lagos de la llanura de inundación del Alto Paraná para construir modelos que predijeran las concentraciones de clorofila-a y oxígeno disuelto. El criterio de información de Akaike (AIC) se utilizó como criterio para la selección de modelos. Los modelos se validaron con datos independientes obtenidos en los mismos lagos en 2001. Las variables predictoras que explicaron significativamente la concentración de clorofila-a fueron el pH, la conductividad eléctrica, el seston total (correlación positiva) y el nitrato (correlación negativa). Este modelo explicó el 52% de la variabilidad de la clorofila. Las variables que explicaron significativamente la concentración de oxígeno disuelto fueron el pH, el área del lago y el nitrato (todas correlaciones positivas); la temperatura del agua y la conductividad eléctrica se correlacionaron negativamente con el oxígeno. Este modelo explicó el 54% de la variabilidad del oxígeno. La validación con datos independientes mostró que ambos modelos tenían el potencial de predecir la biomasa de algas y la concentración de oxígeno disuelto en estos lagos. Estos hallazgos sugieren que los modelos de regresión múltiple son herramientas valiosas y prácticas para comprender la dinámica de los ecosistemas y que la limnología predictiva aún puede considerarse un enfoque eficaz en la ecología acuática.