汽轮机组是发电厂的核心设备，保证其正常运转是保证发电厂持续发电的关键。汽轮机组检修计划是电力系统运行维护中的重要内容，对电力系统的安全，经济和可靠运行有着直接的影响。随着故障诊断技术和实时监测技术的发展，状态检修理论和技术逐渐发展起来，并逐步替代传统的检修体制。　　机组的性能评估是状态检修的基础，机组运转性能的发展趋势影响着检修方案的制定。如何对机组运转性能做准确的评估并且对其发展趋势做出准确的预测是广泛推行状态检修技术所要解决的首要问题。　　本文通过采用支持向量数据描述(SVDD,Surport VectorData Description)算法和最小二乘支持向量回归(LS-SVR,Least Squares Support Vector Regression)算法来完成汽轮机转子运行性能评估及趋势预测。首先，采用小波分解方法进行特征值的提取，结合SVDD算法，建立性能评估模型，并对实际数据进行评估。其次，以实际数据为基础对比LS-SVR中参数对模型预测能力的影响，并初步确定最优参数。再次，通过LS-SVR方法对性能趋势进行预测，并与实际情况比较，检验其准确性。最后，结合实际预测过程中遇到的问题，改变参数选取评判标准，重新建立预测模型，并与之前的结果进行对比。　　实验证明，SVDD可以完整的描述出性能变化的全过程。预测方面，在传统的参数选择评判标准基础上引入新的参数选择评判标准，提高了预测稳定性和预测精度，使得LS-SVR对趋势进行有效的预测，证明了该方法在实际应用中的适用性，为状态检修的制定和实施提供了可靠依据。