摘　　　要：支持向量機（ＳＶＭ） 建模的擬合精度和泛化能力取決于相關參數(shù)的選取，目前ＳＶＭ中的參數(shù)的尋優(yōu)一般只針對懲罰系數(shù)和核參數(shù)，而混合核函數(shù)的引入，使ＳＶＭ增加了一個可調參數(shù)。針對混合核函數(shù)ＳＶＭ的多參數(shù)選擇問題，提出利用具有較強全局搜索能力的混沌粒子群（ＣＰＳＯ）優(yōu)化算法對混合核函數(shù)ＳＶＭ建模過程中的重要參數(shù)進行優(yōu)化調整，每一組粒子的位置向量對應一組混合核函數(shù)ＳＶＭ建模的參數(shù)。該算法采用同時對３個參數(shù)尋優(yōu)的策略，由早熟收斂的判斷和處理兩部分組成，可實...