针对航材消耗影响因素复杂,传统支持向量机预测精度较低的问题,提出了一种考虑全过程优化的支持向量机(SVM)航材消耗预测方法。采用LASSO算法实现主要影响因素选择,通过K-means聚类算法将样本分为相关性较强的子样本集,根据不同类别分别选择合适的核函数和优化参数建立SVM预测模型。结合航材消耗数据实例分析,最后通过均方根误差与传统支持向量机模型和神经网络模型比较,结果表明全过程优化的预测模型对提高航材保障效率有积极意义。