近几年的研究表明长链非编码RNA（Long non-coding RNA,lncRNA）具有丰富强大的生物学功能,在真核生物的基因表达调控过程中发挥重要的核心作用。相对于lncRNA在哺乳动物上的研究,其在植物上的研究起步相对较晚,目前如何从大量的转录本中准确地识别出lncRNA仍然是植物lncRNA研究领域的重要问题之一。本文新建了两个数据集,一个是植物lncRNA和mRNA的数据集,另一个是单子叶植物和双子叶植物lncRNA的数据集,将这两个数据集用于植物lncRNA的研究。提取了k-mer频数信息、开放阅读框的信息、二级结构信息以及RNA的几何柔性信息并将各类特征信息进行了融合。基于支持向量机（Support Vector Machine,SVM）算法,采用Jackknife检验,植物lncRNA和mRNA分类预测的总体预测成功率达到96.14%,单子叶植物和双子叶植物lncRNA分类预测的总体预测成功率达到82.42%。本文还利用了序列能量得分差值法,用位置关联权重矩阵与RNA六种柔性信息构建的位置关联打分函数对数据集中的序列进行打分,通过能量得分差值来识别植物lncRNA。我们进一步又将两种算法进行了融合,将能量得分差值作为特征向量输入到SVM算法中,使得预测结果得到了提升。最后对植物lncRNA预测结果进行了分析,发现开放阅读框是植物的重要特征,而且单子叶植物和双子叶植物在提取的各类特征方面都有一定的差异,这为更加准确的识别植物长链非编码RNA的研究提供了一定的帮助。