在现代制造业中，数控机床广为应用。随着科技发展，对数控机床加工精度的要求不断提高。理论及实践研究成果已表明，热误差是制约数控机床精度提升的主要障碍之一。在科技部科技重大专项“高速精密数控机床动态综合补偿技术”项目的支持下，本文以大连机床厂的CL-20A型卧式数控车床为研究对象，展开相关的理论及实验研究，研究重点集中在该型号机床热误差模型的建立上，为机床热误差的在线实时补偿提供数学模型。首先根据机床的热源特点及分布，在机床上布置多个温度传感器，机床开机后，通过专用夹具及传感器，实时监测机床主轴相对于刀具位置在三维方向上的热偏离。然后，用逐步回归分析法分析实验数据，找出该型号机床的温度敏感点。找出温度敏感点后，继续进行实验，重点获取机床敏感点的温度变化与机床主轴热偏离的关系，通过合理设置不同的工艺参数组合获取了大量的实验数据。依靠获取的实验数据，采用支持向量机法进行建模和回归分析。并用BP神经网络法和最小二乘法与之进行对比，建模结果显示，支持向量机法能较好地预测机床热误差，BP神经网络法和最小二乘法的预报精度稍低。相比于神经网络法的黑箱运算和预测结果的不固定性，支持向量机法能得出清晰的计算公式，理论过程十分严谨，也便于编程和植入到数控系统中去、实现实时在线热误差补偿计算。相比于最小二乘法，支持向量机法剔除了冗余数据，只采用部分支持向量进行建模，因此泛化能力较强。