目的:为预测胎儿出生时的体重构建新型稳定、可靠的预测模型　　方法:　　论文中的数据采用的是从福建省闽东医院收集的251例有关孕妇及胎儿相关的九项指标数据样本，对其进行主成分分析(PCA)处理，取前5个主成分构建支持向量回归(SVR)模型，最后用10层交叉验证方法对模型的稳定性和准确率进行评估。　　结果:　　采用10层交叉验证法对历史各模型以及本文建立的SVR模型进行评估检验，其结果显示:　　1、历史模型在数据拟合准确率方面最优模型为ANN模型，可达100％的准确拟合，然而分析结果显示模型的预测性能不稳定，其预测准确率为44.5％。　　2、历史模型在预测性能稳定的前提下，最优模型为由B超下胎儿腹围，B超下胎儿股骨长构建的二参数回归模型，交叉验证结果显示，其预测准确率为71.7％。　　3、在对数据进行PCA处理后，利用前五个主成份数据进行SVR拟合建模，对模型进行交叉验证，结果显示，各模型预测评估参数都优于历史模型。其中，选取以MAE为寻优指标构建的SVR-MAE模型预测准确率为74.1％;选取以CN为寻优指标构建的SVR-CN模型预测准确率高达到82.5％，并且模型预测性能稳定可靠。　　创新点:　　1、本文就预测胎儿体重模型问题上对原始数据指标间的相关性进行分析，并且提出对数据进行PCA预处理后再建模。　　2、本文就预测胎儿体重模型问题提出SVR模型，并且对其进行10层交叉验证，验证结果表明SVR模型优于历史模型。　　结论:　　采用SVR方法构建的预测胎儿出生体重模型，其预测准确率优于于历史模型，并且SVR模型具有稳定可靠的预测功能，具有不错的研究潜力和开发价值。