瓦斯浓度的准确检测对人们的生活和工业生产具有重要意义。相比传统的检测方法,红外气体检测技术因其具有灵敏高、测量范围宽、响应迅速等优点,成为气体检测领域中的研究热点。然而该技术易受环境因素影响,在实际中直接使用会产生较大的测量误差。双波长单光路差分吸收模型可以一定程度上消除部分误差,但是这种补偿能力是有限的。为了提高测量精度,本文在差分吸收模型的基础上,提出了基于SVR(Support Vector Regression, SVR)的测量误差预测模型。在研究SVR的相关理论过程中,发现SVR的回归性能与参数值的选取紧密相关。为提高SVR的拟合效果,又提出了基于萤火虫算法的参数选取方法,并且针对基本萤火虫算法存在因固定步长导致收敛速度较慢、求解精度不高的问题,引入步长因子使步长大小能够自适应调整。通过对标准函数的测试和housing数据集的回归实验,验证了改进方法的有效性。最后,本文构建了红外瓦斯检测系统,并在此基础上应用误差预测模型对瓦斯浓度进行了检测,实验结果表明基于SVR的误差预测模型可以提高红外瓦斯检测技术的测量精度。