本文主要研究减聚类与最小二乘支持向量机LSSVM结合的方法在非线性时间序列预测中的应用。首先无噪声情况下，用减聚类方法处理训练集后再用最小二乘支持向量机预测的方法分别对Mackey-Glass方程和Lorenz方程组产生的序列，Logistic序列，以及类EEG信号序列进行预测，并与只用最小二乘支持向量机以及用k-均值聚类后再用最小二乘支持向量机的方法的结果进行比较，发现减聚类方法相比只用最小二乘支持向量机误差增长非常有限但可以节约大部分时间，相比k-均值聚类有很好的稳定性以及可信度。接下来又对大训练集和有噪声情况进行比较，减聚类和LSSVM结合的方法在大多数情况下优于其他方法，尤其是具有现实意义的类EEG信号序列以及含噪声情况。并对差别的原因进行了分析。总之，减聚类方法与最小二乘支持向量机结合对于非线性时间序列具有明显的现实意义。