目前的局部建模方法在构建样本间相似度的时候仅考虑了输入信息而忽略了输出信息的作用，并且没有考虑样本的权重问题。针对上述问题，提出了局部自适应加权最小二乘支持向量机(Local　Adaptive　Weight　LSSVM,　LAW-LSSVM)回归算法。该算法采用同时考虑输入输出信息的相似性判据则来构建更加合理的相似样本集，利用有监督的局部保持映射(Supervised　Locality　Preserving　Projection,　SLPP)算法对样本空间进行有效的降维和搜索最优的相似样本方向，实现了样本权重的在线调整。利用LAW-LSSVM　对青霉素发酵过程中的产物浓度进行在线预测，仿真结果表明，包含了输入输出信息的相似度评价准则能够更准确的选择相似样本，较离线LSSVM以及局部LSSVM(LLSSVM)有着更高的预测精度、更好的泛化能力。