چکیده: شبکه‌های حسگر بی‌سیم (WSN) به دلیل کاربردهای گسترده در حوزه‌های مختلف از جمله پایش محیطی، حمل‌ونقل هوشمند، پزشکی و نظامی، مورد توجه ویژه‌ای قرار گرفته‌اند. با این حال، این شبکه‌ها به دلیل وابستگی به حسگرهای پراکنده و منابع محدود، مستعد بروز خطاهای مختلفی از جمله خطاهای داده‌ای هستند که می‌توانند بر دقت و قابلیت اطمینان سیستم تأثیر منفی بگذارند. ازاین‌رو، تشخیص سریع و دقیق خطا در این شبکه‌ها به‌عنوان یک چالش اساسی مطرح شده است. در این پژوهش، یک روش موثر برای تشخیص خطای داده در شبکه‌های حسگر بی‌سیم بر پایه ماشین بردار پشتیبان (SVM) بهینه‌شده با الگوریتم شکارچیان دریایی (MPA) ارائه شده است. در روش پیشنهادی، دو هایپرپارامتر کلیدی مدل SVM، یعنی C و سیگما، توسط الگوریتم بهینه‌سازی MPA تنظیم می‌شوند. فرآیند بهینه‌سازی به گونه‌ای طراحی شده است که با افزایش دقت مدل بر روی مجموعه داده‌های آموزشی، بهترین مقادیر برای این هایپرپارامترها انتخاب شوند. سپس، مدل بهینه‌شده برای تشخیص خطاها بر روی داده‌های آزمون ارزیابی می‌شود. نتایج به‌دست‌آمده نشان می‌دهند که روش پیشنهادی در مقایسه با روش‌های مشابه، دقت بالاتری دارد و میانگین دقت آن به 99.67٪ می‌رسد. این نتایج نشان می‌دهند که ترکیب الگوریتم شکارچیان دریایی با ماشین بردار پشتیبان، به‌عنوان یک رویکرد مؤثر در بهینه‌سازی مدل‌های تشخیص خطا، قابلیت بالایی در بهبود دقت و کارایی سیستم‌های تشخیصی دارد.