針對(duì)甲醇合成過(guò)程中的復(fù)雜性和非線(xiàn)性等問(wèn)題，利用共享最近鄰( SNN)相似度將訓(xùn)練樣本劃分成若干個(gè)信息粒，然后分別進(jìn)行支持向量提取，最后將提取出的支持向量融合，建立最終粗甲醇轉(zhuǎn)化率預(yù)測(cè)模型。試驗(yàn)結(jié)果表明，改進(jìn)的粒度支持向量機(jī)( GSVM)可以將“冗余數(shù)據(jù)”進(jìn)行刪減，獲得更“稀疏”的回歸模型，精度也高于傳統(tǒng)支持向量機(jī)的粗甲醇轉(zhuǎn)化率模型，從而能更好地指導(dǎo)甲醇生產(chǎn)。