干净的空气是人类赖以生存的条件,随着雾霾天气的严重恶化,国家对环境保护问题愈发重视。雾霾主要来源于煤炭的燃烧和汽车尾气,煤炭燃烧效率低造成废气中含有大量的雾和霾,所以,减少煤炭燃烧或者降低废气排放比例有助于改善雾霾的排放。在没找到合适的新能源前,煤炭燃烧量必须跟上发展的需要,所以降低废气的排放成为当下亟待解决的环境保护问题。大量的煤炭燃烧来源于锅炉燃烧,实验测得,提高锅炉燃烧效率和降低排放量可以降低煤炭燃烧中的废气含量,同时响应国家节能减排的需求,研究如何提高锅炉燃烧效率和降低排放量具有重要的实际意义。准确建立锅炉燃烧模型是研究锅炉燃烧的效率和排放量的基础,由于锅炉的组成结构复杂、可变因素多,导致锅炉燃烧模型复杂。本文应用最小二乘支持向量机的方法对锅炉燃烧模型进行建模,并深入研究其参数对建模结果的影响,相比传统的神经网络建模,最小二乘支持向量机方法建模速度更快、准确度更高。对锅炉的控制参数进行调整优化可以有效提高锅炉燃烧效率和降低排放量,所以,根据建立的锅炉燃烧模型,分别用遗传算法、改进遗传算法、粒子群算法、粒子群-改进遗传算法对锅炉运行参数进行优化,分为单目标优化和多目标优化两部分。实验证明,粒子群-改进遗传算法的结果最佳,收敛时间更快、优化效果更好,能够有效的提高锅炉燃烧效率和降低排放量。最后,将锅炉燃烧建模和优化利用GUI做成可操作的实际系统,具有优化锅炉燃烧系统的功能。