تبخیر مؤلفه ای اساسی در چرخة هیدرولوژی است و نقش مهمی در مدیریت منابع آب دارد. در این تحقیق عملکرد مدل های شبکة عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در تخمین تبخیر روزانه ارزیابی شده است. داده های روزانة هواشناسی میانگین دما، سرعت باد، فشار هوا، رطوبت نسبی، بارش، دمای نقطة شبنم، و ساعت آفتابی ایستگاه های سینوپتیک تبریز و مراغه، به منزلة ورودی مدل های ANN و SVM، برای تخمین تبخیر روزانه استفاده شد. نخست ده ترکیب مختلف از هفت ورودی و سپس ورودی های منفرد به منظور تخمین تبخیر به کار گرفته شدند. نتایج مدل های استفاده شده نشان داد که هر دو مدل ANN و SVM عملکرد قابل قبولی در تخمین تبخیر دارند. ارزیابی نتایج استفاده از ورودی های تکی نشان داد که به ترتیب کاربردِ پارامترهای میانگین دما و ساعت آفتابی نسبت به پارامترهای دیگر نتایج بهتری در تخمین تبخیر هر یک از ایستگاه ها داشته است. بررسی های این تحقیق نشان می دهد که اگرچه تفاوت معنی داری بین نتایج سه تابع کرنل ماشین بردار پشتیبان وجود ندارد، تابع کرنل پایة شعاعی در مقایسه با توابع کرنل دیگر از دقت زیاد و عملکرد بهتری در تخمین تبخیر روزانه برخوردار است.
