能源是人类赖以生存和发展的物质基础，也是国民经济发展的命脉。随着全球经济危机尤其是能源危机的出现，能源供需预测的研究显得尤为重要。因此，根据历史数据，用基于统计学习理论的支持向量机SVM方法研究能源供需预测问题已成为最新的研究热点，而决定其高维特征空间有效利用的核函数对于能源供需预测的应用研究则是本课题研究的主要内容。 本文首先使用基于结构风险最小化原则构造的支持向量机方法构建中国能源供需预测模型，并在此基础上对影响支持向量机性能的核函数进行分析研究。主要研究内容包括以下几个方面：选择不同类型的核函数构建能源供需预测模型，并将预测结果进行对比分析，选择出适合能源供需背景的最佳核函数类型；在基于选择的最佳核函数类型基础上，使用一种改进的最优化方法对其核参数进行优化，从而得到最优核函数的支持向量机模型；在对核函数的构成条件及不同核函数局限性进行分析和研究的基础上，构造组合核函数，并将它应用于能源供需预测，以获得更加理想的预测效果。 基于上述理论研究，本文最后使用软件进行仿真，通过对比实验仿真结果，可以看出基于高斯核函数的支持向量机能源供需预测方法具有更好的预测效果。同时为了提高模型的预测精度，使用改进的核参数优化方法，更好地优化核函数参数，实验结果证明了核参数优化后的预测效果明显改善。对于构建的组合核函数，实验结果说明了在能源供需预测中核函数组合形式的有效性，为进一步研究核函数方法在能源供需预测复杂性建模的应用提供了新的思路。