随着信息技术、网络技术的飞速发展和经济的全球化,我国企业尤其是纺织业面临的市场竞争日趋激烈。企业为了能够在这样的市场环境下生存和发展,必须在生产技术、管理方式方面进行不断地创新和变革。结合工业工程技术和计算机应用技术,提高企业的生产精益化水平和生产决策水平,增强生产柔性,缩短产品交货期,降低产品生产成本等是提高企业竞争力极其重要的一环。当前我国纺织生产方式研究领域,已经拥有了智能化的生产决策方式,各种优秀的智能算法在指导企业的生产实践已经产生了一定效果。但是当前的算法大多停留在建模和应用领域,对于算法参数的优化选择还没有提到工程应用高度,故寻找高效智能的参数优化算法成了亟待解决的问题。本文以纺织行业为研究背景,以质量预测为研究对象,以智能参数优化算法为主要内容,以人工智能和信息技术为手段,对开发一能有效辅助企业解决智能算法参数优化选择问题的质量预测系统进行了研究。首先分析了数据挖掘及其在质量预测系统中的应用,并针对中小纺织企业做了详细的需求分析。其次,对数据挖掘理论进行了介绍,结合纺织生产过程的特点,分人工神经网络(ANN)、遗传算法优化支持向量机参数选择(GA-SVM)、传统的支持向量机三个算法模型进行了分析和研究。接着采用棉纺、毛纺、化纤三大类质量数据对传统支持向量模型和遗传算法优化支持向量机模型进行了对比试验,说明GA-SVM模型的稳定性。最后基于组件对象模型(COM)技术提出了GA-SVM算法模型实现解决方案,并对系统的主要功能进行了实施运行和运行效果分析。本文的主要成果在于基于数据挖掘理论,为质量预测系统提出了遗传算法优化支持向量机参数选择(GA-SVM)模型和技术实现方案。该方案在算法上充分发挥了GA和SVM各自的优势,用巧妙的算法设计完成了复杂参数选择,在程序开发上充分发挥了Matlab和C#各自的优势,提高了程序开发和运行效率,具有一定的参考价值。