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的選取，目前ＳＶＭ中的參數的尋優一般只針對懲罰系數和核參數，而混合核函數的引入，使ＳＶＭ增加了一個可調參數。針對混合核函數ＳＶＭ的多參數選擇問題，提出利用具有較強全局搜索能力的混沌粒子群（ＣＰＳＯ）優化算法對混合核函數ＳＶＭ建模過程中的重要參數進行優化調整，每一組粒子的位置向量對應一組混合核函數ＳＶＭ建模的參數。該算法采用同時對３個參數尋優的策略，由早熟收斂的判斷和處理兩部分組成，可實...