یکی از مسائل اساسی در مهارهای زمینی، پیش بینی حداکثر کشش در مهارها می باشد و تاکنون به منظور پیش بینی حداکثر کشش مهار زمینی، روش های تجربی پیشنهاد شده است. این روش ها با در نظر گرفتن فرضیاتی به ساده سازی محاسبات اقدام نموده اند لیکن در پیش بینی حداکثر کشش مهار زمینی نتایج حاصل از دقت قابل قبولی در محاسبات برخوردار نمی باشد. از سوی دیگر پیشرفت های گسترده در ابداع رایانه های با قدرت محاسباتی بالا زمینه ساز استفاده از روش های مبتنی بر تکنیک های هوش محاسباتی شده است. کاربرد هوش محاسباتی در علم مهندسی مکانیک خاک در پژوهش های متعددی بررسی شده است. از جمله این روش ها می توان به الگوریتم بهینه سازی ذرات (pso) و درخصوص روش های یادگیری ماشین به ماشین بردار پشتیبان (svm) اشاره نمود. در این تحقیق با استفاده از ماشین بردار پشتیبان و به کمک الگوریتم بهینه سازی ازدحام ذرات، حداکثر کشش مهار زمینی مدل سازی شده است. مدل سازی با استفاده از زبان برنامه نویسی matlab و توسط داده های استخراج شده از مقالات صورت گرفته است. داده های مذکور شامل قطر معادل مهار ، طول مدفون ، میانگین مقاومت نوک مخروط ، میانگین اصطکاک جداره در طول مدفون ، روش نصب و ظرفیت کششی مهارهای زمینی می باشد. در این تحقیق با مقایسه نتایج حاصل از مدل ها با مقادیر واقعی، کارایی مناسب مدل ها بررسی و در نهایت تعدادی از مدل ها به عنوان مدل بهینه انتخاب شده است. به منظور مقایسه نتایج مدل ها با روش های مرسوم از چهار روش سنتی و دو روش هوش مصنوعی استفاده شده است. بدین منظور با استفاده از یک تحلیل آماری، نتایج حاصل از مدل ها و روش های مورد اشاره بررسی شده است. نتایج بیانگر آن است که مدل های svm در پیش بینی حداکثر کشش مهار زمینی در محدوده داده هایی که برای گسترش مدل مورد استفاده قرار گرفته اند، با دقت بالاتری نسبت به روش های سنتی و روش هوش مصنوعی عمل نموده اند.