میتواند به عنوان ابزاری کارا در بهرهبرداری (SVM)‎ استفاده از روشهای دادهکاوی و به طور خاص ماشینهای بردار پشتیبان بهینه از مخازن سدها مطرح شود. نتایج مدلهای بهرهبرداری بهینه از مخازن سدها،‏ به دلیل وجود پارامترها و متغیرهای زیاد،‏ برای کاربرد توسط تصمیمگیران،‏ بهواسطه تعامل متغیرها و پیچیدگی آنها،‏ گیجکننده خواهد بود. در این مقاله نتایج یک مدل بهینهسازی بههمپیوسته هیدرولوژیکی- اقتصادی- اجتماعی که برای تخصیص بهینه آب در سطح حوضه آبریز زایندهرود توسعه یافته است،‏ برای تعیین قوانین بهرهبرداری بهینه از سد زایندهرود با ماشینهای بردار پشتیبان به کار گرفته شده است. آموزش دیده،‏ با استفاده از شاخصهای هیدرولوژیکی و بهرهبرداری بالادست و پاییندست،‏ شامل نیاز آبی،‏ بارش،‏ SVM مدل تقاضاهای آبی شرب،‏ کشاورزی،‏ صنعت و حجم ذخیره اولیه مخزن،‏ میزان رهاسازی بهینه از مخزن سد را در ماه آینده پیشبینی میکند. در ساختار پیشنهادی،‏ از نتایج مدل بهینه تخصیص آب 20 ساله در حوضه آبریز زایندهرود برای آموزش و مقایسه شده است. نتایج آزمون این دو مدل (ANN)‎ استفاده شده است و عملکرد آن با شبکه عصبی مصنوعی SVM آزمون ،‏SVM در مقایسه با ANN نشان میدهد که هر دو در تعیین قوانین بهینه بهرهبرداری از سد زایندهرود کارایی لازم را دارند اما تا حدودی قدرت پیشبینی بهتری دارد.