针对汽轮机热耗率难以准确计算的问题,提出了核模糊 c 均值与混合蛙跳算法优化最小二乘支持向量机(LS-SVM)的汽轮机热耗率多模型建模方法,用来计算不同工况下的热耗率。该方法利用核模糊 c 均值算法对热耗率数据聚类,采用5折交叉验证平均误差作为 LS-SVM 参数选择的适应度值,利用混合蛙跳算法优化参数并建立局部模型,采用开关切换得到模型输出,以此实现热耗率的多模型建模。与单一的 LS-SVM 模型和 BP 网络热耗率预测模型比较,结果表明该多模型方法有更高的预测精确和更好的泛化能力,能更准确地计算汽轮机热耗率。