变形监测与预测是建筑设计施工中的重要组成部分，也是建筑工程领域研究的热点问题之一。准确地分析出建筑物的变化趋势，是变形监测的最终目的。支持向量机模型能有效地解决小样本、非线性、高维数、局部极小等问题，因此对于建筑物变形预测具有明显的的优势。　　论文在介绍了预测学和支持向量机研究现状的基础上，通过对常用变形分析模型、变形监测数据处理方法的分析。运用预测误差最小法来求出数据的嵌入维数以及时间延迟，实现对样本集数据重构。针对传统支持向量机预测模型中相关参数难以明确的问题，采用遗传算法，对支持向量机的相关参数进行寻优求解，建立了基于遗传算法改进的支持向量机预测模型。　　利用matlab2012b结合VS编辑器，在libsvm工具箱的基础上进行扩展编程。实现了遗传算法优化有关参数的函数优化过程，对重构后的数据进行建模分析预测。同时利用libsvm工具箱直接对重构后数据进行建模预测。最后用Eviews对原始时间序列数据进行建模预测。　　根据预测数据的情况，对三种模型的预测结果进行了对比分析。实验结果表明，在建筑物变形预测建模中，支持向量机模型能够与传统时间序列模型起到同样的预测效果，能够有效的对变形发展趋势做出有效的预测，验证了支持向量机模型对于变形预测的适用性。同时得出通过遗传算法优化支持向量机模型的相关参数，在一定程度上能够提有效高模型的预测精度，经过遗传算法改进后的预测模型能更好地反映建筑物的动态变化规律，具有一定的优越性。