Kako tehnika kvantitativne zavisnosti svojstva od structure pruža pogodno sredstvo za predvid strok signanje kritične koncentracije miceia (CMC) gemini surfaktanata iz njihovih deskriptora strukture. U ovom radu, izveden je uporedni rad za modeiiovanje CMC svojstva 211 različitih gemini surfaktanata na osnovu njihovih strukturnih karakteristika koristeći linearne i nelinearne kvantitativne modele odnosa struktura-svojstvo. Za modeiovanje CMC-a razvijeni su model najmanjih kvadrata i parcijalni najmanji kvadrati za regresijski model k-najbiižih suseda, veštačku neuronsku mrežu i regresiju potpornih vektora (SVR). Molekularni deskríptori su izračunati i pregledani kako bi se uklonili neprikladni deskriptor i i poboljšalo učenje. Rezultati ukazuju da su poboljšane performanse SVR kada se hiper-parametri optimizujupomoću algoritma Dragonfly (SVR-DA) bile izuzetno sposobne za predvid strok signanje vrednosti pCMC (-iogCMC) sa prosečnim apsolutnim relativnim odstupanjem od 0,666 i koeficijentom determinacije (R2) od 0,997 za globalni skup podataka.