چکیده: در این تحقیق مطالعه ی ارتباط کمی ساختار- خاصیت (QSPR)، برای پیش بینی ضریب فعالیت در رقت بی نهایت 58 ترکیب آلی و آب در محیط مایع یونی، 1-بوتیل 1-متیل پیرولیدینیوم تری سیانو متانید [BMPYR][TCM]، در 6 دمای مختلف انجام شده است. تعداد زیادی توصیف کننده شامل 18 دسته‎ی مختلف، توسط نرم افزار Dragon محاسبه شدند و سپس برای انتخاب توصیف‎کننده‎های مهم از دو روش رگرسیون مرحله ای (SR) و الگوریتم ژنتیک بر اساس آنالیز حداقل مربعات (GA-PLS) استفاده گردید. تعداد 12 توصیف ‎کننده توسط روش SR و 10 توصیف کننده توسط روش GA-PLS انتخاب شدند. توصیف کننده های انتخاب شده توسط این دو روش برای مدل سازی و پیش بینی ضریب فعالیت در رقت بی نهایت این ترکیبات به عنوان ورودی به شبکه ی عصبی مصنوعی (ANN) و ماشین برداری پشتیبان (SVM) داده شدند. عملکرد هر مدل توسط سری تست ارزیابی مورد بررسی قرار گرفت. نتایج به دست آمده نشان از برتری روش SR-ANN نسبت به دیگر روش‎های به کار برده شده جهت پیش-بینی ضریب فعالیت در رقت بی نهایت ترکیبات مورد مطالعه دارد. میانگین مربعات خطا (MSE) و میانگین درصد انحراف مطلق (AAD) سری تست برای روش های SR-ANN، GA-ANN، SR-SVM و GA-SVM به ترتیب برابر 0179/0، %430/2 و 0201/0، %483/3 و 0601/0 ، %135/10و 031/4 و %874/28 می‎باشد.