چکیده: هدف اصلی این تحقیق، ایجاد مدل ارتباط کمی ساختار-خاصیت (QSPR) برای پیش بینی ضریب انبساط‎ پذیری هم فشار ترکیبات آلی است. شمار زیادی توصیف‎گر توسط نرم افزار دراگون محاسبه شدند و بهترین توصیف گرها از میان این توصیف گرهای محاسبه شده، با روش اتحاد جداسازی داده و انتخاب خاصیت (CDFS) انتخاب شد. در راهبرد CDFS داده ها چندین بار دسته‎بندی شد و هر بار با استفاده از روش رگرسیون مرحله ای (SR) انتخاب توصیف گر انجام گرفت. مدل-های به دست آمده از نظر تشابه و عدم تشابه توصیف گرها مقایسه شدند. مدل نهایی مدلی است که توصیف‎گرهای آن در میان مدل های به دست آمده مشترک است. 6 توصیف گر با روش CDFS انتخاب شدند. توصیف‎گرهای انتخاب شده با روش انتخاب توصیف گر، به همراه متغیرهای تجربی دما و فشار به عنوان ورودی برای ایجاد مدل رگرسیون خطی چندگانه (MLR)، شبکه ی عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) ارائه شدند. عملکرد هر مدل توسط سری تست ارزیابی شد. نتایج نشان می دهد که ماشین بردار پشتیبان می تواند ارتباط انبساط پذیری هم فشار و توصیف‎گرهای ساختاری را به خوبی پیش بینی کند. مقدار میانگین مربعات خطا برای سری تست به دست آمد. هم‎چنین عملکرد مدل های غیرخطی با مدل رگرسیون خطی چندگانه مقایسه شد. نتایج برتری مدل غیرخطی نسبت به مدل خطی را نشان می دهد.