fa مطالعه اثر ترکیب تحلیل مولفه اصلی با روش آماری مدل رگرسیون بردار پشتیبان در تکنیک اسپکتروسکوپی فروشکست القاییده لیزری تخصصی Special تجربی Experimental در این مقاله، غلظت عناصر سازنده هفت آلیاژ آلومینیوم استاندارد با استفاده از روش­های آماری مدل رگرسیون بردار پشتیبان (SVR و KSVR) و روش ترکیب تحلیل مولفه اصلی  با مدل رگرسیون بردار پشتیبان (PCA_KSVR  وPCA_SVR ) در تکنیک طیف­سنجی فروشکست القاییده لیزری پیش­بینی شد. نتایج آنالیزها نشان داد که روش PCA_KSVR دقیق­ترین غلظت را با حداقل خطا برای عنصر آهن گزارش کرده است. In this paper, concentration of constituent elements of seven standard aluminum’S alloys is predicted by using statistical methods of support vector regression model (SVR and KSVR) and the combinational method of principal component analysis with support vector regression model (PCA_SVR and PCA-KSVR) in laser induced breakdown laser spectroscopy technique. The results of the analyzes showed that the PCA_KSVR method reported the most accurate concentration with the least error for Fe element. اسپکتروسکوپی فروشکست القاییده لیزری, پیش‌بینی غلظت, تحلیل مولفه اصلی, رگرسیون بردار پشتیبان. Laser induced breakdown spectroscopy, Concentration prediction, Principle component analysis, support vector regression. 784 787 http://opsi.ir/browse.php?a_code=A-10-1971-135&slc_lang=fa&sid=1 Fatemeh Rezaei فاطمه رضائی fatemehrezaei@kntu.ac.ir 100319475328460010511 100319475328460010511 Yes Department of Physics, K. N. Toosi University of Technology دانشکده فیزیک، دانشگاه خواجه نصیرالدین طوسی Mohsen Rezaei محسن رضائی mohsen.rezaei@mazust.ac.ir 100319475328460010512 100319475328460010512 No Groups of Industrial Engineering, University of Science and Technology of Mazandaran گروه مهندسی صنایع، دانشگاه علم و فناوری مازندران Parvin Karimi پروین کریمی aa.pkarimi@gmail.com 100319475328460010513 100319475328460010513 No Department of Physics, South Tehran Branch, Islamic Azad University گروه فیزیک، واحد تهران جنوب، دانشگاه آزاد اسلامی