针对输入输出具有不确定性扰动的非线性系统建模问题,在最小二乘支持向量机(LS-SVM)基础上,结合鲁棒最小二乘方法提出一种新的建模方法--鲁棒最小二乘支持向量机(RLS-SVM)。对于输入数据含有绝对扰动、相对扰动及结构扰动3种不确定性扰动进行分析,分别给出RLS-SVM算法中扰动界的估计范围.将RLS-SVM方法用于受不确定性扰动的Mackey-Glass混沌时间序列的预测问题中.鲁棒最小二乘支持向量机方法在理论上既结合了传统SVM算法对输入维数不敏感的优点。又具有鲁棒最小二乘方法抗噪性能好的特点。为具有不确定性数据信息的非线性系统建模提供了一条可行途径.仿真结果表明,该方法不仅能精确预测混沌时间序列,泛化性能好,而且在3种扰动分析下计算结果的鲁棒性能要明显优于LS-SVM方法及ANFIS建模方法的鲁棒性。