随着社会的发展,环境保护已经成为一个世界关注的焦点。环境污染预测对污染进行提前预警,防患于未然,从而能够尽早地进行预防和治理。支持向量机(SVM Support Vector Machines)是一种基于统计学习理论的机器学习方法,较好地解决了小样本、过学习、高维数、局部最小等实际问题,且具有很强的泛化能力,为环境污染预测提供了一种可行的解决方法。本文提出一种面向污染气体的预测模型,并在此基础上开发了一套基于嵌入式系统的具有污染预测功能的烟气排放连续监测系统(CEMS, Continuous Emission Monitoring System)。主要工作包括:在深入研究一种在线SVM回归算法的基础上,提出了一种新的预测模型,解决了原算法中处理临界样本时存在的问题。试验表明,新模型具有精度高、训练速度显著加快等优点。改进后的算法能够更加快速有效地应用于环境污染预测。针对目前CEMS存在的实时性差、稳定性不足以及人机交互能力弱等问题,研发了一套基于Windows CE的CEMS,该系统具有数据采集、数据处理、操作控制以及上下位机通讯等功能,并在现场实际工作中表现出良好的性能。