摘要:最小二乘支持向量机(least square support vectormachines,LS-SVM)能很好的解决小样本、非线性等预测实际问题,但是其正规化参数及核函数参数对预测结果影响很大。本文利用基本遗传算法(simple genetic algorithm,SGA)对LS-SVM的参数进行了寻优,提高了LS-SVM在回归分析中的预测精度。论文介绍了LS-SVM和SGA的原理,给出了遗传算法优化参数的流程图,并将该算法应用到变压器油中溶解气体含量的预测中,通过与传统的SVM和LS-SVM的预测结果对比,证明了本文所提方法具有更高的精度,现场应用表明该法的有效性。