气体水合物法作为一种新兴的海水淡化技术正在引起人们的广泛关注。海水淡化处理过程中工艺参数最佳组合的确定问题，成为影响其处理效果的关键因素之一。传统的实验方法不仅成本高昂、操作繁杂，且难以保证获得最优工艺数据，如何利用计算机领域的相关技术解决这一困难就成为一个研究热点。本文提出了应用支持向量回归算法对气体水合物形成过程进行拟合，以获得条件参数与性能之间的映射关系的方法。主要完成的工作包括：（1）支持向量回归算法在进行回归预测时，需要选择合适的参数才能取得较好的运行效果。对其参数的确定，目前往往依靠经验选取，存在很大的随意性。为解决这一问题，引入了全局随机寻优的遗传算法进行参数优化，避免人工干预实现算法的自动化。在完成了遗传优化支持向量回归模型的基础上，进行了相关的实验设计和验证工作，其结果表明了模型的准确性。但同时发现，由于遗传算法初代种群随机性大，导致需要很多代数的遗传才能达到最优解，使得运行时间较长。（2）为了解决遗传优化支持向量回归模型的时间效率问题，设计并定义了复杂度指数，以此来确定支持向量回归参数的近似值，从而减少初始种群选取的盲目性。通过实验寻找复杂度指数与支持向量回归参数之间的规律，并将基于复杂度指数的遗传优化支持向量回归模型与传统支持向量回归机、遗传优化支持向量回归模型进行了对比实验验证工作，给出了模拟实验结果。（3）研究了多维支持向量机理论，并将其应用到基于复杂度指数的遗传优化支持向量回归模型中。以多维函数映射得出的数据为样本，进行了多维模型的实验验证。（4）将本文所提的算法应用到气体水合物法海水淡化数据的处理中，进行了有关的仿真实验，其结果证明了采用复杂度指数的遗传优化多维支持向量回归算法的可行性，并且为了便于应用，进行了相关的软件开发工作。