چکیده: نرخ شدت جریان مصرفی بیشینه یکی از مهم ترین و موثرترین معیارها در روند برش سنگ‏ها است. تخمین و پیش بینی صحیح از این معیار می‏تواند به طراحان و صاحبان این صنعت در بدست آوردن فرایندی بهینه و اقتصادی کمک نماید. در تحقیق حاضر، سعی شده است تا به بررسی و مطالعه مدل‏هایی برای پیش بینی شدت جریان مصرفی بیشینه دستگاه برش اره با استفاده از تحلیل های آماری، مدل‏های بهینه سازی هوشمند نظیر الگوریتم تکامل تفاضلی، الگوریتم خود سازمانده – کوهنن و تکنیک‏های تصادفی غیر خطی مانند الگوریتم‏های هیبریدی ANFIS-DE و ANFIS-PSO پرداخته شود. در طی این مطالعه تعداد 120 تست بر روی 12 نوع سنگ ساختمانی کربناته شامل 8 نمونه سنگ تراورتن، 2 نمونه سنگ مرمریت و دو نمونه سنگ چینی انجام شد. در طی فرایند برش، شدت جریان مصرفی بیشینه دستگاه برش جهت ارزیابی عملکرد دستگاه برش اره اندازه گیری و از بین پارامترهای فیزیکی ضریب بافت، و از بین پارامترهای مکانیکی مقاومت فشاری تک محوره، سختی موهس، مدول یانگ، فاکتور سایندگی شیمازک بعنوان شاخص ترین پارامتر های سنگ های انتخابی در آزمایشگاه مکانیک سنگ اندازه گیری شد. و با استفاده از تحلیل رگرسیون خطی ساده ارتباط هر یک از پارامترهای فیزیکی و مکانیکی با انرژی مصرفی دستگاه و با استفاده از الگوریتم ها توانستیم هم سنگ های موجود را کلاسه بندی نموده و هم انرژی مصرفی دستگاه را پیش بینی کنیم. نتایج حاصل از بررسی‏ها نشان داد که الگوریتم PSO از توانایی بالاتری بر اساس خروجی‏های مدل و شاخص‏های عملکرد نسبت به الگوریتم DE برخوردار است. علاوه بر این، مقایسه بین داده‏های اندازه گیری شده با مدل ANFIS-DE و مدل ANFIS-PSO، دقت و توانایی مدل ANFIS-PSO را در پیش بینی عملکرد دستگاه برش اره با توجه به مشخصه‏های دستگاه و سنگ نشان می‏دهد.