针对高速铁路通信系统，研究快速时变信道预测问题。通过引入支持向量机（SVM）模型，提出一种信道预测算法。通过求解二次优化问题，得到SVM的预测最优超平面，并通过循环迭代实现多步预测。为了进一步提高预测准确度，采用遗传算法(GA)对SVM模型的惩罚系数和高斯核宽度进行优化。仿真结果表明，与传统的自回归(AR)以及单一的SVM预测模型相比，所提出的同时考虑SVM和GA（SVM-GA）的预测模型具有较低的预测误差。此外，当考虑噪声对预测性能影响时，SVM-GA预测模型在归一化均方误差性能方面也优于AR