针对高速铁路通信系统,研究快速时变信道预测问题。通过引入支持向量机(SVM)模型,提出一种信道预测算法。通过求解二次优化问题,得到SVM的预测最优超平面,并通过循环迭代实现多步预测。为了进一步提高预测准确度,采用遗传算法(GA)对SVM模型的惩罚系数和高斯核宽度进行优化。仿真结果表明,与传统的自回归(AR)以及单一的SVM预测模型相比,所提出的同时考虑SVM和GA(SVM-GA)的预测模型具有较低的预测误差。此外,当考虑噪声对预测性能影响时,SVM-GA预测模型在归一化均方误差性能方面也优于AR和SVM模型。