粮食的安全储藏是保障粮食供应安全的重点工作与措施。储粮机械通风是粮食储藏中应用最广泛的一种操作形式,为安全储粮做出了重要贡献。本文根据储粮机械通风智能化的现实需求,研究基于支持向量机的智能预测方法,对提高机械通风效率与保证粮食安全具有一定的理论研究与实际应用价值。本文认真调研了储粮通风干燥领域的相关研究,分析了储粮通风过程中的主要影响因素,选取河北清苑国家直属库冬季横向通风实验作为实例,通过对粮堆通风截面的划分,以粮堆各截面的平均温度为建模对象,利用传统寻优方法搜索最佳参数,构建了支持向量机回归预测模型,验证了支持向量机回归在储粮通风温度预测中的可行性。同时,引入灰关联分析方法对样本数据进行优化,提高了模型的预测性能。针对传统参数寻优方法的局限性,应用遗传算法与粒子群算法对传统支持向量机回归模型进行改进。预测结果表明,优化后的回归预测模型能较好的拟合粮食温度与其他变量间的非线性关系,较为适合储粮通风温度预测研究。为了进一步提升模型抗噪性能,将模糊聚类的思想与支持向量机理论相结合,利用模糊C均值聚类算法完成数据模糊化处理,加强了支持向量机模型抵御干扰的能力,使改进后的模糊支持向量回归模型与未改进的模型相比,预测性能更好。最后,本文选取了同一实验粮仓在另一通风时间阶段的横向通风实验数据作为验证数据集,综合比较了以上几种模型预测性能的差异,验证了模型的有效性,得出了经粒子群算法优化后的模糊支持向量机回归模型的预测性能最佳。