根据7005铝合金在不同工艺参数（挤压温度、挤压速度、淬火方式和时效条件）下的力学性能（抗拉强度σb、屈服强度σ0.2 和硬度HB）实测数据集，应用基于粒子群算法（PSO）寻优的支持向量回归（SVR）结合留一交叉验证（LOOCV）的方法，对7005铝合金力学性能进行建模和预测研究，并与偏最小二乘法（PLS）、反向传播人工神经网络（BPNN）和两者结合的PLS-BPNN模型的预测结果进行比较。结果表明：基于SVR-LOOCV 法的预测精度最高，对3种力学性能（σb、σ0.2和HB）预测的均方根误差（RMSE
