为解决砂岩在不同温度-水压-应力组合作用下三轴抗压强度难以获得的难题,提出一种基于主成分分析(PCA)的相关向量机(RVM)砂岩三轴抗压强度预测方法.通过PCA将重量、直径、高度、声波传播时间、温度、孔隙水压、粘聚力、内摩擦角、主破裂角、峰值应变等10个砂岩三轴抗压强度影响因素降维成4个相互独立的主成分变量,采用RVM模型建立三轴抗压强度与4个主成分变量之间的非线性映射关系,能够精准预测出仅已知影响因素的新样本抗压强度.将该模型进行实例应用,并在相同样本下与BPNN神经网络及PSO-BPNN神经网络模型预测的结果进行对比,结果表明:PCA-RVM预测模型通过分析各因素的相关性与贡献率,在信息筛选方面明显优于其他2种模型;PCA-RVM模型预测结果的平均相对误差为0.25％,均方差为0.6,而BPNN模型预测结果的平均相对误差为6.11％,均方差为11.27,PSO-BPNN模型预测结果的平均相对误差为2.16％,均方差为4.01.各模型预测结果显示,在三轴抗压强度预测结果的相对误差及均方差方面,PCA-RVM预测模型均占据较大优势,PCA-RVM模型具有精度高、离散性小、可靠度高等优点.