本文将机器学习领域的最新研究进展：支持向量机(SupportVectorMachines，简称SVM)技术，应用于典型的钢材性能预报过程，主要的研究工作及成果体现在以下几点： 1.编程实现了SVM的分类和回归算法，并将其集成到了冶金自动化研究设计院开发的软件：通用工业生产过程建模平台一ArilPM中。 2.淬透性是钢材的一种热加工属性，对于钢材的选择、编制其热处理工艺具有重要意义。本文首次将SVM用于淬透性的预报，模型输入是化学成分含量，输出是距离端淬点某一距离处的淬透性值，其性能优于相同条件下建立的BP神经网络模型。 3.本文将SVM应用于钢材力学性能指标(延伸率、屈服点、抗拉强度)的预报，针对不同钢厂的生产数据，分析了影响预报性能的各种因素。 4.三步搜索法是运动图像补偿编码中的一个经典算法，它能够快速有效的确定帧间图像的最小失真方向。本文将该方法引入到SVM训练参数：高斯核宽度参数与惩罚因子C的优化选择上来。在不降低预报准确率的情况下，能够显著的减少比较次数，提高参数优化选择的速度。