随着科学与技术的进步和发展,大量数据在特定的空间位置被收集、整理.通过对空间数据的研究和分析,能够更好的度量不同空间位置对某一定点的影响程度.此外,空间数据还具有空间相关性和空间异质性等特点.常见的空间插值方法有克里金法.由于支持向量机(Support Vector Machine,SVM)既适用于大样本数据又适用于小样本数据,同时可以避免维数灾难等问题,SVM受到了越来越多学者的关注,SVM已广泛地应用于分类、回归等问题的研究中.目前已有一些学者将克里金和支持向量机结合进行研究.根据区域化变量的分解可以理解为不同尺度下观察到的现象,以及参考他人的做法,在选取支持向量机的ε值时,将其控制在基台值的平方根以内可更好地利用空间信息,本文提出了基于克里金优化的二尺度SVM模型,并应用到新疆降水量数据的研究中.首先,本文构建了基于克里金优化的二尺度SVM模型,其中二尺度SVM模型体现在选取了二尺度核函数,在实际应用中选取了两种不同组合方式的核函数作为此模型的核函数.然后,根据已有数据求解出变异函数,将ε的取值控制在基台值的平方根之内,进而,通过10折交叉验证法选出最优的惩罚参数和核函数参数以及ε值.最后,通过求解二次规划问题得到所需要的拉格朗日乘子,进一步求解得到模型中的阈值.将拉格朗日乘子和选定的核函数以及阈值代入到求解的回归模型就可得到相应的拟合值.之后,设计模拟实验并通过计算均方误差(MSE)以及拟合优度值R2来和支持向量回归模型拟合的结果进行对比.本文使用基于克里金优化的二尺度SVM模型对新疆66个观测站点在2013-2016年的降水量进行拟合分析,通过选取经度、纬度、平均风速、平均气压、平均气温、平均湿度这六个气象要素构建关于降水的基于克里金优化的二尺度SVM模型.结果表明:在核函数选取恰当的情况下,基于克里金优化的二尺度SVM模型比支持向量回归模型提高了对各站点降水拟合的精度,为未知站点的降水预测(插值)研究提供了一种新的思路.