مدیریت جایگزینی ماشین‭های کشاورزی بویژه تراکتور یکی از عوامل بسیار تاثیرگذار برای انجام به موقع عملیات زراعی می‭باشد. بنابراین، پیش‭بینی بسیار دقیق هزینه‭های تعمیرونگهداری تراکتور ضروری است. این تحقیق برای ارزیابی تکنیک رگرسیون و شبکه عصبی در پیش‭بینی هزینه‭های تعمیرونگهداری و مقایسه عملکرد مدل‭ها به انجام رسید. این مطالعه با استفاده از داده‭های واقعی 60 تراکتور دو چرخ محرک از کشت‭وصنعت آستان قدس رضوی اجرا شد. تحلیل رگرسیونی نشان داد که مدل رگرسیونی درجه سوم، بهترین مدل برای پیش‭بینی هزینه‭های تعمیر، روغن و سوخت می‭باشد. عوامل بهینه شبکه عصبی از طریق سعی‭وخطا بر روی داده‭های موجود انتخاب شدند. همچنین در این پایان‭نامه، عملکرد دو الگوریتم آموزش پس‭انتشار اصلی(bb) و پس‭انتشار با ضریب آهنگ یادگیری کاهشی(bdlrf) مقایسه شد. bdlrf در پیش‭بینی هزینه‭های تراکتور عملکرد خوبی داشت. شبکه عصبی در پیش‭بینی عناصر هزینه‭های تعمیرونگهداری تراکتور در مقایسه با شبکه‭های جداگانه نتیجه بهتری داشت. نتایج نشان داد که شبکه عصبی مصنوعی(ann) ابزاری امیدوارکننده برای پیش‭بینی هزینه‭های تعمیرونگهداری تراکتور می‭باشد. این مطالعه سه روش برای تخمین عمر اقتصادی تراکتور را با هم مقایسه کرد. همچنین در این مطالعه موردی نتایج نشان داد که الگوریتم ژنتیک عملکرد بهتری در مقایسه دیگر با روش‭های کمینه‭سازی هزینه و مدل هزینه تجمعی دارد.