针对小样本训练数据情况下BP神经网络模型难以获得较高预报准确率的问题，提出了一种基于差分进化-灰狼优化(DE-GWO)混合算法优化的支持向量机(SVM)模型，并将其应用到连铸漏钢预报系统领域。利用差分进化(DE)算法的交叉变异操作对灰狼优化(GWO)算法进行进化，得到DE-GWO混合算法，在解决了GWO易陷入局部最优问题的同时，提高了算法的寻优速度以及模型的准确性。结合某钢厂连铸生产数据，对DE-GWO-SVM漏钢预报模型进行测试。结果表明，该算法下的连铸漏钢预报系统的准确率为99.5%

报出率达到100%。