为了解决工农业生产及人们日常生活中的用电问题,世界各国对水电站开发利用十分重视。迄今针对水电站年发电量序列的特点,对水电站发电量预测和分析,已有很多方法可用于预测水电站年发电量,如风险分析方法、基于最小二乘支持向量机的小水电站年发电量等智能预测模型。但最小二乘支持向量机模型解决大规模数据样本回归问题时所出现的训练时间长、收敛速度慢等缺点。针对最小二乘支持向量机(LS-SVM)的小水电站年发电量智能预测模型所存在的不足,本文提出了一种基于自适应变异粒子群优化(AMPSO)算法,该方法不仅克服了传统PSO算法早熟、容易陷入局部最小值等缺陷。而且利用了AMPSO优化的LS-SVM水电站年发电量预测模型参数实现与准测试,获取LS-SVM的训练与测试样本,利用该算法迭代求解LS-SVM中出现的矩阵方程,避免矩阵求逆所花费的代价。实验结果表明,本方法在预测精度上具有明显优势,收敛速度快,识别精度高。