امروزه پیش¬بینی وضعیت دما به امری ضروری و لازمه زندگی بشری مبدل شده است که به کمک آن می¬توان هزینه¬های تولید را کاهش و بهره‌وری را افزایش داد. روند افزایش دمایی کره زمین به علت اثرات مخربی که دارد، همواره توجه بسیاری از دانشمندان را به خود جلب نموده است و در نتیجه روش¬های متنوعی برای پیش¬بینی وضعیت دما معرفی شده است. دراین پژوهش از روش رگرسیون بردار پشتیبان حداقل مربعات برای پیش¬بینی دمای بیشینه شهرکرد استفاده شده است. با استفاده از متغیر¬های میانگین رطوبت نسبی، میانگین سرعت باد، میانگین حداقل دما و میانگین حداکثر دمای ماهانه به عنوان ورودی مدل، میانگین حداکثر دمای ماهانه ایستگاه سینوپتیک شهرکرد پیش‌بینی گردید. برای اندازه‌گیری کارایی مدل از مقادیر مجذور میانگین مربعات خطا، میانگین خطای مطلق، میانگین مربعات خطا، ضریب تبیین و همچنین زمان آموزش مدل محاسبه شده و با روش‌های متعددی از جمله رگرسیون بردار پشتیبان، شبکه عصبی ، رگرسیون با استفاده از درخت bagging ، رگرسیون با استفاده از درخت boosting و چندین مدل دیگر مقایسه شده است که نتایج، کارایی این مدل را در امر پیش¬بینی دمای بیشینه در مقایسه با روش‌های نامبرده ¬تأیید می‌کند.