摘要： 为探明支持向量机回归（SVR）模型在动物疫病定量预测上的效果，以便为动物疫病防控决策提供依据，利用广西2007—2013年的猪肺疫月发病率时间序列，进行了SVR模型预测猪肺疫月发病率效果的研究。首先，以自相关函数法和Cao方法相结合，确定该时间序列的时间延迟为2，嵌入维数为6，并对其进行相空间重构；然后，依据主分量分析（PCA分布）方法判定该时间序列具有混沌特性，表明其在重构相空间中进行分析预测是可行的；最后，基于相空间重构结果构建SVR模型，分别采用网格搜索算法、遗传算法、粒子群算法对模型参数进行优化，并分析预测效果。结果表明，运用遗传算法优化SVR模型参数预测效果最优，平均绝对偏差（MAD）为0.043、均方误差(MSE)为0.003、平均绝对百分误差(MAPE)为0.202。可见，采用遗传算法优化的SVR模型对猪肺疫发病率的预测是可行有效的。

关键词: 猪肺疫, 预测, 时间序列, 支持向量机, 相空间重构