为有效地解决现有综合管廊投资估算方法的预测精度不高,且预测精度易受样本量大小、特征参数冗余或贫缺等问题,构建一种将主成分分析法（PCA）与粒子群算法（PSO）优化最小二乘支持向量机（LSSVM）结合的综合管廊投资估算预测模型.采用PCA对影响综合管廊投资估算的特征参数进行降维,剔除噪声或冗余数据,以贡献率较大的主成分作为LSSVM的输入向量,综合管廊单公里造价作为LSSVM的输出向量;利用PSO对LSSVM的核函数参数σ与惩罚因子参数C进行寻优,建立基于PCAPSOLSSVM的综合管廊投资估算预测模型,并对测试集样本进行预测.预测结果显示:PCAPSOLSSVM模型平均相对误差为3.28%,满足投资决策阶段对投资估算预测误差的要求（±10%）,且与PCALSSVM模型、PSOLSSVM模型、GABP模型和GASVM模型相比,预测精度分别提高了67.29%,70.52%,48.13%和38.60%.PCAPSOLSSVM模型预测精度高,泛化性能优,可作为综合管廊投资估算的有效预测方法.