我国生活垃圾焚烧处理规模飞速增长,焚烧烟气中二噁英类的排放监管是垃圾焚烧厂运营中亟待解决的问题。二噁英类浓度的直接检测成本高,实时监测难度大,而利用垃圾焚烧烟气在线监测数据,探索建立二噁英类浓度与烟气污染物浓度、工况参数的多元回归预测模型,对烟气中二噁英类浓度进行间接的实时监测,有助于控制环境风险。但受限于二噁英类监测成本高,可供回归预测训练的样本少,以结构风险最小化为原则的支持向量机有助于解决这一小样本问题。对华南某生活垃圾焚烧厂进行了10次二噁英类采样,并同步记录焚烧工况及常规污染物的在线监测数据,利用这10组样本对二噁英类浓度及毒性当量分别建立支持向量回归(SVR)预测模型,以平均绝对百分比误差(MAPE)为指标,并用留一法交叉验证进行评价,得出如下结论:(1)比较了网格搜索法、遗传算法、粒子群算法3种参数寻优算法对模型参数的搜索能力,结果表明,在搜索范围一致的条件下,网格搜索法虽然速度稍慢,但最优参数搜索能力最强;分别采用多项式核函数、RBF核函数、Sigmoid核函数建立模型,低阶多项式核函数模型整体预测误差最小。故而选择网格搜索法及多项式核函数建立SVR模型。(2)以逐步回归分析筛选特征变量,分别建立多元线性回归(MLR)及SVR模型对二噁英类浓度及毒性当量进行预测,MLR的预测MAPE分别为20.94%、31.20%,SVR的预测MAPE分别为17.41%、22.77%。后者虽然小于前者,但误差仍较大,未达到满意的预测精度。(3)以封装式的穷举法对特征变量组合进行重新选择并建立SVR模型,二噁英类浓度及毒性当量的预测MAPE分别为10.78%、6.56%,分别在基于逐步回归分析的SVR模型基础上降低了38.08%、71.19%,能达到满意的预测精度。