支持向量机(Support Vector Machine，简称SVM)是基于Vapnik—Chervonenkis即VC理论的创造性机器学习方法，是由Vapnik教授和他在AT￡T贝尔实验室的合作者提出的。其基本思想是通过用内积函数定义的非线性变换将输入空间变换到一个高维空间，在这个高维空间中寻找输入和输出变量之间的一种非线性关系。支持向量机有着较好的理论基础，采用结构风险最小化原则，具有很好的泛化能力；其算法是一个凸二次优化问题，保证找到的解是全局最优解；能较好地解决小样本、非线性和高维数、局部极小点问题等实际问题，因此支持向量机是当今研究的热点问题。岩土力学是一门既赋理论内涵，又工程实践性很强的学科。经过几十年的研究，运用材料力学、弹性力学、弹塑性理论等传统科学，提出了各种求解方法，但是由于岩土介质的复杂性、非线性、随机性、不确定性和模糊性等特点，传统的方法并没有达到满意的效果。支持向量机作为一种新的通用机器学习方法，对解决很难用数学模型描述的问题具有很好的适应性，并且具有广泛的应用前景。本文将支持向量机方法应用于岩体边坡及位移反分析等的研究中，主要工作如下： 1．针对岩土工程安全性评估问题，将支持向量机引入到岩土工程研究中，建立了边坡工程可靠性估计的支持向量机模型；2．针对支持向量机在参数(包括核函数及其参数)确定方面的问题，提出了进化支持向量机方法，该方法既利用了遗传算法的全局优化能力，又利用了支持向量机在处理小样本、高维数、非线性等问题方面的优良特性；3．提出了岩土体变形行为预测的进化支持向量机(ESVM)方法，并利用该方法对新滩滑坡的变形行为进行了研究，验证了该方法的可行性；4．提出了岩体边坡非线性位移时间序列及滑动预测新方法并通过简单的算例说明了该方法的可行性和它的优良性能；5．应用岩土体变形行为预测的进化支持向量机方法，提出了进化支持向量机(ESVM)位移反演的基本思想，并对位移进行了反分析预测。识别的参数对于指导施工和优化设计都具有重要的意义。