提出一种用于支持向量回归的网络优化策略.学习策略分为两个阶段:首先训练支持向量机, 得到支持向量回归的初始结构和参数,构造一个无阈值的支持向量回归网络;然后通过带有遗忘因子的递归最小二乘算法, 优化计算支持向量回归网络的权值, 以达到更好的函数拟合精度.与支持向量回归相比, 这种策略可以得到最优的权值和阈值.仿真结果表明, 该网络性能优良, 具有在线应用的潜力.