作为一种新的机器学习方法,支持向量机算法建立在严谨的统计学理论基础上,在模式识别和函数回归方面都有不俗的表现。支持向量机算法从上个世纪90年代初提出到现在短短十多年的时间得到了长足的发展,并继续得到国内外学者的广泛关注。支持向量回归是建立在结构风险最小化原则的基础上,它既考虑了训练样本的拟合性又考虑了训练样本的复杂性,具有较好的拟合效果。但模型中的参数选择是很重要的,它将直接影响到它的泛化效果。目前还没有通用的参数选择方法,本文在对现有的支持向量机参数选择方法进行研究的基础上,提出基于蚁群算法的支持向量回归算法的参数选择方法,蚁群算法作为一种全局式概率选择算法,通过创建一个有限规模的人工蚁群体,蚂蚁间相互协作搜寻问题的最优解。然后,将优选参数后的支持向量回归算法应用于时间序列预测中,以国家粮食产量预测为例建立预测模型,并进行模型的学习训练与预测。最后,对预测结果做相应分析与比较表明,应用了基于蚁群算法的支持向量回归算法的参数选择方法后,模型预测精度有所提高。蚁群算法强劲的全局搜索能力,对提高基于支持向量机的时间序列预测模型的预测准确率有一定的贡献。