随着我国汽车工业的快速发展,市场对轮胎的产品质量提出了更高的要求。胎面是轮胎生产过程中的重要半成品之一,其质量直接关系到轮胎成品的整体性能。论文针对胎面挤出联动生产线的实际工艺流程及生产机理知识,对其生产过程及采集的相关原始样本数据进行理论研究与分析,通过引入新的机器学习方法——核方法,建立过程模型研究,作为后续控制设计和预测工作的基础。本文主要是对所采集的相关测量参数数据分析,并建立合适的模型。胎面挤出部分运行机理和过程特性复杂,同时又是非线性、时延、时变的工业系统,想建立数学模型行一定的固难。所以本文采用的是核方法中的核心代表支持向量机来对本文研究的胎面生产过程建立模型。对于本文所采用方法的理论部分,详细的介绍了统计学习理论与核方法的基本理论知识,尤其是对支持向量机及其回归的基本概念与原理进行了深入的阐述。关于模型的选择方面,着重介绍了核函数及相关参数的选择方法。因为本文所采集的原始数据是包含多个属性关系的整体数据,对于数据的处理是对其中暂时不需要的属性值进行剔除,并对其中可能影响模型研究的错误数据、病态数据、滞后数据等进行人工去除的方法处理。而为了精简输入属性数目,本文使用PCA (Principal Components Analysis)的方法进行数据降维处理。在论文最后一章介绍了基于：Matlab环境下的RBF径向基函数工具箱概况以及常用的函数,并详细的介绍了系统建模的基本概念。对现场数据进行了分析,找出其中影响较大的重要因素,滤去冗余信息,从而选出合适的参数进行建模,然后介绍了模型建立的基本思路和具体过程。