支持向量机是由统计学习理论发展起来的机器学习算法，它从结构风险最小化的角度保证了模型的最大泛化能力。文中运用支持向量机进行小样本数据回归分析研究。首先利用推广性的界理论指导支持向量机回归模型参数的选取，以保证模型具有最大的推广能力；其次，运用基于正态分布和基于t分布的两种区间预测方法进行了预测值的区间估计；最后，利用模拟序列和真实的航空发动机油样光谱分析数据作为实验数据，建立了支持向量机回归分析模型，并与最小二乘法进行了比较。结果表明，所提出的支持向量机模型参数选取和区间估计方法适用于小样本数据的回归分析，具有较高的预测精度。

本文利用线性回归分析的基本理论和方法,对钢尺检定时温度的误差改正计算方法进行了研究,合理地建立了尺长随温度变化的数学模型,对钢尺检定的温度改正数提出了较为科学的理论根据和计算方法.