土壤侵蚀是内在和外在的综合作用而引发的一种十分普遍的地球物理动力学现象。它是引发水土流失、土地荒漠化乃至环境退化等生态问题的重要原因。土壤侵蚀能够使土地肥力下降、土壤理化性质恶化、土地利用率降低,不论是对自然环境的保护还是确保农耕用地资源等都有着极为恶劣的影响。而土壤侵蚀量的有效预测则是控制地区水土流失的重要组成内容,为政府制定相关的政策和措施来防护、减少水土流失的情况提供依据。目前,常用的土壤侵蚀预测模型经过众多专家和研究者的总结与改进,应用性和预测准确性都已经达到相当高的水平。但现有的通用土壤侵蚀模型仍然存在着适用性低、预测尺度小、输入数据繁琐等缺点。本研究以浙江省诸暨市为研究区域,尝试以机器学习中的支持向量机(SVM)为模型核心,利用地理信息系统(GIS)提取出降水、土壤、地形、土地利用类型等因子,建立一个灵活的、适用性强的地区土壤侵蚀量预测模型。从诸暨市浦阳江水文观测站获得2000年-2010年诸暨市日降水量和浦阳江泥沙含量日值数据：从中科院南京土壤研究所获得“中国1：100万土壤数据库”矢量图；从中国科学院数据库下载中国2009年的数字高程模型和诸暨市2005年的遥感图。通过计算和筛选整理出降水参数和土壤侵蚀量数据：利用GIS计算出研究区域坡长和坡度的地形参数以及提取出土壤矢量图中的土壤信息参数；利用GIS和ERDAS计算出研究区域的土地利用类型参数。之后,得到了预测模型的输入数据和输出数据。随机挑选输入输出数据导入SVM模型,进行模型的参数选择和优化。通过不同数据步长的检验、输入数据的调整、导入模型数据量的选择等一系列的操作,最终得到了具有高准确率、计算结果稳定、计算用时短的模型参数组合。从而得到了一个能通过地区降雨量、地形坡度坡长、土壤性质、土地利用类型等已知数据预测土壤侵蚀量的稳定模型,预测准确率超过75%。研究最后,对得到的模型进行了讨论和分析。认为该模型具有输入数据容易获取,数据修改灵活;模型能自主学习,调整参数,直接建立输入输出数据之间的关联；模型适用性强的优点。同时,模型在数据收集及预处理；影响因子细化和完善;最优参数选择以及实际应用等方面还有待加强。本研究运用机器学习的理论,以SVM模型为核心,建立了一个以地区降雨量、地形坡度坡长、土壤侵蚀和土地利用类型为输入数据的土壤侵蚀量预测模型,通过数据的筛选、参数的选择和模型的优化之后,预测准确率超过了75%。