生物柴油是脂肪酸单醇酯的混合物，因其原料油来自于动物或植物油脂且具有易储备、来源广等诸多优点，而被视为一种非常有前途的可再生生物质能和替代能源。欧美等国的生物柴油产业化都已具有相当规模。从2005年开始，我国生物柴油产业也开始进入快速发展阶段，年总产量逾百万吨，总投资达十几亿元人民币。然而，随着产量急剧扩大，生物柴油产业化发展中“与人争粮，与粮争地”的可能性开始显现，迫使人们开始更加理性地思考这个问题。面对这样的事实，如何从系统评价角度寻找产量与可持续发展和环境影响等方面的关系，为我们在生产决策上提供科学依据，就显得十分有意义。　　 能值是在产品或劳务形成过程中直接或间接投入应用的一种有效能的总量，当以能值为基准时，可以衡量和比较生态系统中不同等级能量的真实价值与贡献。以能值分析方法为基础的能值指标体系因其可将系统各种生态流在能值尺度上统一起来，定量分析系统的结构和功能，正确处理资源、环境与经济的关系，故被视为一种系统评价的有效途径而被本文采用。同时，生物柴油生产系统往往由于投资较大(数百万元以上)和商业机密(酯化反应催化剂)等原因，不可能对足够多的样本进行研究，因此这又构成比较典型的小样本(严格意义上称之为有限样本)数据分析问题，而非传统意义上的统计回归理论(如一元线性回归和多元线性回归等)所能解决。统计学习理论就是一种专门针对小样本的统计理论，它为研究有限样本情况下的统计模式识别和更广泛的机器学习问题建立了一个较好的理论框架，也发展出了一种新的模式识别方法--支持向量机。支持向量机是统计学习理论的具体实现形式，它能够较好地解决小样本学习问题。而最小二乘支持向量机是对传统支持向量机方法的改进。当它用于函数估计时，采用平方和误差损失函数替代Vapnik定义的ε不敏感损失函数。此外，它采用等式型的约束来替代标准支持向量机方法中的不等式约束。这些改进使得支持向量机求解中的二次规划问题转化成求解一个线性方程组，从而演化成简单的矩阵逆运算，这在一定程度上解决了传统支持向量机计算复杂和训练速度慢等缺点，大大降低了求解难度，节省了计算时间，加快了求解速度。　　 本文首先采用能值理论分析了酸碱催化剂模式下年产量分别为0.05、0.8、2、4和6万吨条件下的生物柴油生产模型，得出生物柴油的太阳能值转换率(单位：sej/J)分别为：1.31E+06、1.31E+06、1.34E+06、1.37E+06和1.42E+06；系统的能值投资率分别为：0.0070880、0.0077272、0.0081511、0.0083177和0.0112510；环境负荷率分别为：0.0074343、0.0071298、0.0091497、0.0089943和0.0116159；能值产出率分别为：143.3291358、131.6583313、124.859851、122.357083和90.699505；能值自给率分别为：0.9929619、0.9923321、0.9919148、0.9917509和0.9888742。　　 再以这五个模型所组成的样本为学习训练集，将最小二乘支持向量机运用到能值指标预测中，分别建立以产量作为输入，以上四个能值指标作为输出的回归模型，并对未来年产量为1、3和5万吨条件下的能值指标进行了预测。得出系统的能值投资率分别为：0.0076157、0.0085651和0.0097681；环境负荷率分别为：0.0071056、0.0079257和0.0102916；能值产出率分别为：134.3671425、121.7719250和106.8265817；能值自给率分别为：0.9924422、0.9915096和0.9903287。　　 最后采用上述能值指标体系对当前的生物柴油生产系统进行了评价，提出可行性意见。所得的可能结论如下：在现有酸碱催化剂模式下，生物柴油生产系统比较稳定，但系统的生产效率远低于自然能源生产过程，而且该生产系统并不理想。提出的合理化建议如下：(1)采用生物催化剂代替酸碱催化剂，从而减少不可更新经济反馈投入，提高可更新环境资源组分；(2)采用生态工程原理，在产业链上加环以增大单位产量下自然环境资源的利用率；(3)增加企业补贴，最好能将产量与补贴率成比例挂钩，体现产量优势。