我国经济的发展和人民生活水平的提高,极大地促进了我国电力事业的发展,而核电由于其经济、安全可靠、清洁的特性,更是得到了重点关注。预计到2020年,我国核电发电量将占到总发电量的4%。在核电企业的生产经营过程中,对设备的依赖程度很高。作为设备正常维护检修和应急处理的保障性物资,备件的重要程度不言而喻。本文首先分析了现有的分类法存在的问题:分类方法过于简单、引入了过多定性的主观判断、过于复杂或者需要大量数据等。然后,介绍了支持向量机(SVM)分类理论,以及该分类理论的优点:对有限样本情况下的数据分类问题,具有全局优化、训练时间短、泛化性能好、算法复杂度与特征空间维数无关等优点。接着,分别介绍了核电企业的两种备件——常用备件和不常用备件,并在分析不常用备件特点,如可用性要求高、专用性强、单价高、生产周期长、使用频率较低且规律性不强、寿期不确定等的基础上,建立了备件分类的指标体系。然后,在研究SVM多类别分类方法的基础上,选择了决策有向无环图法作为多类别分类方法,设计了基于SVM的备件分类模型。最后,本文以某核电企业的不常用备件数据为背景,进行了SVM核函数选择及参数调整的应用研究,并验证了本文设计的分类模型的正确性和有效性。