重庆市本身属于气候脆弱区，气象灾害种类多、发生频率高、突发性强，其中旱涝灾害发生最为频繁，影响范围最广、强度最大，加上重庆市生态环境复杂，抗灾能力较弱，旱涝灾害造成的损失也特别严重，当前旱涝灾害是重庆市最主要的气象灾害。因此，进行早涝预测领域的科学研究，及时的对旱涝灾害的发生进行预测，是很有必要的。而系统理论的成熟和信息技术的迅猛发展为重庆市旱涝预测系统的实现提供了理论和技术上的支持。　　 支持向量机自提出以来以其自身算法的优越性得到了广泛的重视和进一步的研究，已经成为继神经网络之后的又一热点研究领域，它植根于统计学习理论的VC维理论和结构风险最小化原则基础之上，克服了神经网络的过拟合缺陷，大大提高了泛化能力。基于重庆市旱涝灾害的特点和支持向量机在预测方面的优势，本文将主要研究支持向量回归在重庆市旱涝预测中的应用。　　 本文从1961年-2010年重庆市34个气象观测站的各月降水量和各月平均气温资料、NCEP/NCAR再分析资料、国家气候中心提供的74项环流特征量资料中计算出与早涝发生相关的预测因子，利用改进的支持向量回归算法(SORR)建立了重庆市旱涝预测模型，并将此模型与标准的支持向量机回归算法和BP人工神经网络进行比较，实验结果表明SORR提高了样本的预测精度和学习速度，在此模型的基础上利用SQLServer2005作为数据库服务器，采用C＃语言研制开发了重庆市旱涝预测系统。