Este estudo teve como foco a aplicação da Máquina de Vetores Suporte por Mínimos Quadrados (LS-SVM) para desenvolvimento de modelos para predizer a produção de etanol do processo de sacarificação e fermentação simultânea (SFS) utilizando como substrato bagaço de cana pré-tratado. As entradas do processo foram percentual de celulose inicial, tempo do processo, carga enzimática de celulases e quantidade de inóculo e a resposta considerada foi a concentração de etanol. O termo de punição da função custo e os parâmetros das funções kernel foram otimizadas pelo algoritmo de recozimento simulado. A LS-SVM treinada com a função kernel Gaussiana (σ2=0.182) gerou o modelo de melhor ajuste (R2=1), superando os casos com funções kernel polinomial e linear. A LS-SVM mostrou melhor desempenho de generalização do que outras formas de aprendizado de máquina, mostrando potencial para predição de dados e futura otimização do processo SFS.