通过激光诱导击穿光谱(LIBS)对钢液表面的不同位置进行激发检测,对得到的光谱数据进行归一化预处理。通过主成分分析法筛选出4个代表性因素,将得到的4个因素作为输入信息,针对钢液中Mn、Ni、Cr和Si四种元素,训练并建立定标模型。利用Cat-fish 粒子群(PSO)算法选出最优参数值,最后用测试集来验证模型的预测效果。实验结果表明:Cat-fish PSO-支持向量回归(SVR)的决定系数R2大于0.95,相对标准偏差RSD均值为3.53%,均方根误差RMSE在1.5%以内;所提模型优于普通SVR预测模型,能够快速精确检测出元素含量。该研究为LIBS在线准确定量分析钢液元素提供了借鉴性较高的优化算法。