种子扩散方式对植物物种分布、种群动态及群落组成都有重要影响,但目前有关种子扩散方式的数据还很欠缺。植物的生活史性状与种子扩散方式联系密切,通过植物生活史性状预测种子的扩散方式是一种有效的研究手段。本文基于我国360种植物的生长型、株高、种子质量和果实类型以及种子扩散方式的数据集,随机抽取288个物种数据(80%)作为训练样本,采用神经网络、决策树、费舍尔线性判别和支持向量机算法,分别建立种子扩散方式的预测模型,将其余72个物种数据(20%)用于模型检验。以1,000次随机抽样后的平均判别正确率作为模型预测效果的评价指标。结果表明:用生长型、株高、种子质量及果实类型作为主要预测变量,构建的神经网络、决策树、费希尔线性判别和支持向量机模型均能达到较好的预测效果,准确率分别为78.90%、77.09%、77.81%和78.14%,其中以神经网络模型的预测效果最好。进一步研究发现,神经网络模型对动物扩散、无助力扩散和风扩散的预测效果分别为81.32%、74.90%和81.45%。本研究为植物种子扩散方式预测提供了一种新的思路。