针对氧化铝悬浮焙烧能耗信息表征和模型应用的实际需求，建立一种最小二乘支持向量机(LS-SVM)能耗估计模型。基于该类模型结合遗传算法(GA)提出一种模型参数优化和工业应用策略。采用灰关联分析确定模型的主输入为主炉温度、烟气含氧量、原料含水量；采用K折交叉验证优化样本数据；采用比较模型预测误差确定核函数为径向基函数(RBF)核。建立输入为能耗参数，输出为模型标志的支持向量机工况模型选择器。能耗估计模型的自学习与动态优化通过样本的更新和聚类实现，模型的选择和投运通过模型选择器依据工况状态实施切换。实验结果表明，建立的焙烧能耗估计模型和模型应用策略，能提高模型的泛化能力、增强模型的工况适应性，是一种有效的焙烧能耗参数估计和分析方法。
