معصومه مهماندوست - دانشجوی کارشناسی ارشد مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
جابر سلطانی - استادیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
محمود مشعل - دانشیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
موسی کلانکی - کارشناس ارشد هوش مصنوعی دانشگاه صنعتی مالک اشتر- مجتمع دانشگاهی علوم و فناوری های زیر دریا

الگوریتم ژنتیک تکنیک جستجویی در مسائل بهینهسازی برگرفته از تکامل ژنتیکی میباشد و ماشین بردار پشتیبان دستهبندی کنندهای است که از تئوری یادگیری آماری استفاده میکند. در این تحقیق با هدف ارزیابی و مقایسهدو مدل ماشین بردار پشتیبان و مدل هیبریدی الگوریتم ژنتیک و ماشینبردار پشتیبان در پیشبینی هدایت هیدرولیکی اشباع، از روش چاهکهای پوششدار و از تابع کرنل شعاعی و توابع زیان اپسیلون و درجه دوم استفادهگردید. طبق نتایج مدل GA-SVR بر مدل SVR برتری داشته و تابع اپسیلون دارای دقت نسبتاً بهتری نسبت به تابع درجه دوم میباشد، اما از نظر زمان اجرا، تابع درجه دوم نسبت به تابع اپسیلون برتری قابل توجهی دارد

هدایت هیدرولیکی اشباع، ماشین بردار پشتیبان، الگوریتم ژنتیک، تابع زیان