传统的判别分析是判别样品所属类型的一种统计方法,其应用之广可与回归分析媲美。常用的方法有距离判别法、Fisher判别法、Bayes判别法和逐步判别法。随着科学技术的飞速发展,关于人工智能的分类问题(模式识别,判别分析)的研究,已有大量的分类算法问世,例如:遗传算法、文本分类算法、贝叶斯分类算法、SVM(Support Vector Machina)分类算法、指纹分类算法等。但分类问题从理论上讲是一个复杂的函数延拓问题,不存在一种最优的分类算法适用于各种不同的情况,因此不存在一种判别分析方法适用于各种不同的情况,故至今仍有许多的判别分析方法陆续出现,我们也有必要对其进行不断的研究。本文针对支持向量机分类的核函数选择问题,提出了新的方法—基于粒子群优化算法的组合核函数分类方法,该方法克服了单一核函数不能够精确描述判别结果的局限性。本文重点是解决某种指标繁多事物的分类判别问题,提出了基于主成分分析和支持向量机的组合判别分析方法,来对其事物所属种类进行判别分析,本文还给出了其数据分析的操作步骤。通过这种组合的判别分析方法,简化了运算,克服了线性方法的缺点,从而提高判断的准确率。最后应用于沙尘暴预警的研究,实验证明,这种组合判别方法是有效的。