原煤生产成本预测是煤炭成本核算、成本决策和编制成本计划的依据，是降低产品成本的重要措施，是增强企业竞争力和提高企业经济效益的主要手段。目前，我国煤炭企业对原煤生产成本进行核算的依据是2006年财政部出台的新会计准则和财务通则，即原煤产品在生产过程中所发生的费用。但是，影响原煤生产成本的因素非常复杂，对原煤生产成本进行预测，应该辅以生产过程成本预测较为科学。本文首先从空间、时间和政策三个方面对影响原煤生产成本的因素进行了深入研究，总结得出影响原煤生产成本的主要因素。其次，根据主要影响因素收集数据，运用支持向量机作回归预测时，可以解决小样本数据下的全局最优解问题，也可以巧妙的解决维数问题，但支持向量机也存在着参数选择的缺陷。本文再次深入分析了支持向量机的学习规则和训练过程，引进另一种先进的粒子群（PSO）优化算法对支持向量机的参数进行优化，建立了较为合理的原煤生产成本预测指标体系，并提出了基于粒子群-支持向量回归机（PSO-SVR）的原煤生产成本预测模型。对于影响因素中的定性指标，采用未确知将其量化。同时，考虑到支持向量回归机模型在参数和核函数选择上尚没有统一的理论原则，分别将交叉验证、粒子群及遗传三种参数优化方法及四种核函数加入支持向量回归机模型中，通过对比分析，经验证得出原煤生产成本预测的最优支持向量回归机模型，即PSO-SVR预测模型。最后，选用六合煤矿的生产成本数据进行科学地预测分析，取得了较好的预测结果，为最终的煤炭生产成本的控制提供可靠的依据。