FAST(Five-hundred-meter Aperture Spherical Radio Telescope)是中国天文界提出的最灵敏、国际上最大的球面射电望远镜,在天文界具有重大的科学意义。而FAST节点的位移控制研究是实现FAST主动反射面整网变形控制策略与自适应建模研究项目的基础工作和核心技术之一,在这样的项目研究背景下,只有对FAST节点实现实时动态的定位和控制,FAST主反射面才能顺利地完成观测任务,因此建立合理的节点运动位移预测模型具有十分重要的意义。首先,对统计学习理论和支持向量机方法的相关理论进行了归纳总结,并重点对支持向量机基本原理和核函数进行了学习与研究;其次,对FAST节点的系统结构组成和主动反射面的变形策略进行分析,重点对FAST节点的变位策略、控制原理和影响变位准确性的因素进行了剖析,确定了建立预测模型的输入量和输出量;再次,论述了支持向量回归基本原理,建立了 FAST节点位移的支持向量机回归预测模型;最后,针对支持向量机回归模型参数选择方法的局限性,分别用粒子群优化算法和遗传算法对模型的参数选择进行优化,两种优化算法各有优缺点,利用遗传算法对粒子群算法进行改进,并阐明了改进算法的具体实现步骤和流程。FAST索网节点运动过程具有多输入、非线性、时变、大惯性等特点,利用支持向量机学习方法,建立FAST节点是位移预测模型。通过仿真分析,得出了基于支持向量机回归建立的FAST节点模型的有效性和可行性。本文的主要创新点是为FAST节点选择了合适的位移预测模型——基于支持向量机回归的FAST节点位移预测模型,对模型的参数选择方法进行改进并通过仿真验证该模型的有效性和可行性。本文主要建立了基于支持向量机的FAST节点位移预测模型,利用粒子群优化算法、遗传算法和改进粒子群算法对模型的参数选择方法进行改进,并通过仿真验证了基于支持向量机算法所建FAST节点位移预测模型的可行性和有效性,这将对FAST主动反射面的整网调整研究产生重要的意义。