终点碳含量是决定钢质量的关键因素,是转炉炼钢过程中需要控制的核心变量之一。本文建立了一种基于莱维飞行的鲸鱼优化算法(Levy Whale Optimization Algorithm,LWOA)和最小二乘向量机(Least Squares Support Vector Machine,LSSVM)的钢水终点碳含量综合预测模型。鲸鱼算法是一种高精度的优化算法,但跳出局部最优能力有待提高。本文通过莱维飞行代替了传统鲸鱼优化算法(Whale Optimization Algorithm,WOA)参数的随机选择,优化了鲸鱼算法中跳出局部最优的能力;借助改变鲸鱼算法的系数向量收敛方式明显提高了鲸鱼优化算法的泛化能力、预测精度和收敛速度。数据仿真结果表明,所提出的LWOA-LSSVM预测模型,不仅能够克服局部寻优获取全局最优解,而且具有快速的收敛速度和更高的预测精度,得出预测结果的均方根误差、平均绝对误差和平均绝对百分比误差与遗传算法BP神经网络、遗传算法最小二乘支持向量机和传统鲸鱼算法最小二乘支持向量机相比均有着明显提高。同时,通过调整目标命中率和训练输入样本量验证了预测模型具有更好的鲁棒性。