基于径向基函数插值算法构建的机器学习模型,以点火延迟时间（T=1084～2175 K,p=7.3×10～4～2.4×10～6Pa,φ=0.2～2.0）和层流火焰速度（T=293～600 K,p=5.1×10～4～1.1×10～6 Pa,φ=0.4～2.0）实验数据为优化目标,对CH₄燃烧机理的指前因子和活化能进行优化,获得了可在宽工况范围内使用的CH₄燃烧机理.与初始的CH₄机理（Ori-CH₄）相比,优化后的CH₄机理（Opt-CH₄）在点火延迟时间上的预测平均误差下降了57.46%,在层流火焰速度上的预测平均误差下降了21.55%.使用Opt-CH₄机理对点火延迟时间、层流火焰速度和射流搅拌反应器中的组分浓度变化趋势进行了预测,Opt-CH₄机理均表现出优越的预测准确度.在T=1491.5 K,p=1.0×10～5 Pa,4.988%CH₄19.953%O₂75.059%N₂（体积分数）工况下,■在各个机理中的敏感性差异是优化前后CH₄机理预测准确度不同的主要原因.因此,机器学习方法在燃料燃烧反应动力学机理参数优化上具有广阔的应用前景.