منیژه رسولی - گروه هوش مصنوعی، واحد علوم و تحقیقات بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
مرضیه دادور - گروه هوش مصنوعی، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
طاهره راستگو - گروه ریاضی، دانشگاه فرهنگیان پردیس بنت الهدی، بوشهر، ایران

میتر جابجایی مثبت که وظیفه اندازه گیری حجم سیالات را بر عهده دارد، بیشتر وقت ها دقیق اندازه گیری نمی کند و دارای خطا می باشد. برای تصحیح این خطا از یک ضریب به نام ضریب تصحیح استفاده می شود. در حال حاضر در عمل به وسیله پرووینگ کردن این ضریب تصحیح را بدست می آورند. در این تحقیق سعی شده که به وسیله الگوریتم رگرسیون بردار پشتیبان به ابزاری جهت پیش بینی ضریب تصحیح میتر جابجایی مثبت دست یابیم. برای تنظیم پارامترهای رگرسیون بردار پشتیبان از دو الگوریتم گرید سرچ و الگوریتم بهینه سازی اجتماع ذرات استفاده شد و عملکرد این دو الگوریتم توسط معیارهای ارزیابی ضریب همبستگی، میانگین مربع خطا، جذر میانگین مربع خطا، شاخص پراکندگی و خطای نسبی سنجیده، و با هم مقایسه شد. نتایج نشان دادند که الگوریتم بهینه سازی اجتماع ذرات از الگوریتم گرید سرچ بهتر عمل کرده و از طرفی کرنل RBF در الگوریتم بهینه سازی اجتمواع ذرات و کرنل خطی در الگوریتم گرید سرچ عملکرد بهتری در الگوریتم خود داشتند.

پرووینگ، ضریب تصحیح، میتر جابجایی مثبت، رگرسیون بردار پشتیبان، الگوریتم بهینه سازی اجتماع ذرات.