本文首先分析了能源安全对保障经济快速发展和国家安全的必要性,由此可见能源供需预测研究对国民经济发展的重要性。虽然支持向量回归方法在很多应用中非常成功,但它忽视了样本间变化趋势,直接影响到预测精度。因此,本文提出了局部支持向量回归模型(LSVR),该模型可以捕捉个体间的变化趋势,进而寻求更为合理的最优超平面,获得更高的预测精度。但是由于不能得知LSVR模型中非线性映射的具体形式,本文采用了分解算法和等量变换对LSVR模型进行核化处理,使得LSVR模型的求解变得现实可行。基于上述LSVR方法的可行性,针对能源供需预测系统的非线性、小样本等问题,本文提出基于LSVR方法的能源供需预测模型。但是模型预测的精度高度依赖于合适的LSVR模型参数。因此,本文提出混合遗传算法对LSVR方法的参数进行优化,并同时优化LSVR的整数型参数和实数型参数。最后,基于上海市发展改革研究院提供的1984-2008年的相关能源数据,分析了影响能源供需预测的主要因素,采用LSVR方法建立了实际能源供需预测模型,并进行仿真。由LSVR、SVR的能源供需预测模型仿真结果比较可见：基于LSVR的预测模型预测误差更小,这就证明了LSVR方法对能源供需预测建模的有效性与优越性。同时,为进一步改进LSVR的建模性能,本文又提出用混和遗传算法对LSVR的相关参数进行全局优化的方法。通过比较HGA-LSVR与LSVR模型的实验仿真结果可见：基于HGA-LSVR的预测模型预测误差比LSVR更小,这就更加证明了混和遗传算法进行参数优化对提高能源供需预测精度的优势,同时,也说明了基于混和遗传算法的局部支持向量回归能源供需预测方法具有一定的研究价值和社会意义。