准确的层流燃烧速度预测模型可为发动机数值模拟提供输入参数,对实际内燃机设计和改进有重要的意义。CHEMKIN数值模拟软件结合详细化学反应动力学机理可以得到准确的层流燃烧速度预测结果,但和发动机模拟软件耦合运算时成本太高,简化机理又难以达到理想的结果。本文基于大量的C1-C4烷烃燃料层流燃烧速度的数值模拟数据,分别利用机器学习多变量线性回归、神经网络和支持向量机算法建立了C1-C4烷烃燃料层流燃烧速度预测模型,并对模型的预测能力和适应性进行了对比和评价,三种模型均能快速准确地预测宽广条件下C1-C4烷烃燃料的层流燃烧速度,可为发动机数值模拟提供简单准确的层流燃烧速度输入参数。具体研究内容和主要结论有:1)利用CHEMKINⅡ软件包和详细化学反应机理USC Mech 2.0对甲烷、乙烷、丙烷和丁烷四种烷烃燃料的层流燃烧速度进行了模拟计算,建立了多变量线性回归样本数据库。基于层流燃烧速度经验公式和多变量线性回归算法,分别建立了适用于甲烷、乙烷、丙烷和丁烷层流燃烧速度预测的多变量线性回归模型。模型的拟合度均高于0.99,模型预测性能良好。2)基于所建的C1-C4烷烃燃料的层流燃烧速度模型关系式,分析了初始温度和压力对C1-C4烷烃燃料层流燃烧速度的影响,C1-C4烷烃燃料层流燃烧速度随初始温度呈正指数关系,随初始压力呈负指数关系;在当量比为0.7-1.4范围内,甲烷模型中的温度指数均大于乙烷、丙烷和丁烷,表明甲烷的层流燃烧速度对温度变化最敏感,乙烷、丙烷和丁烷的层流燃烧速度对温度变化的敏感程度差别不大;压力指数大小关系满足CH4>C3H8>C4H10>C2H6,表明在C1-C4烷烃燃料中甲烷的层流燃烧速度对压力变化最为敏感,乙烷的层流燃烧速度对压力变化最不敏感。3)结合C1-C4烷烃燃料的燃料特征对多变量线性回归数据库进行扩充,建立了支持向量机和神经网络数据库,分别采用BP神经网络和支持向量机算法建立了C1-C4烷烃燃料的层流燃烧速度预测模型。BP神经网络模型的拟合度为0.9967,支持向量机模型的拟合度为0.9952,表明两种模型预测性能良好,可以对C1-C4烷烃燃料的层流燃烧速度进行准确预测。4)通过对三种模型的域外数据（高温和高压）预测能力的研究,发现三种模型均能得到较好的域外数据预测结果,说明模型具有较好的泛化能力。