钢筋混凝土框架是建筑中常见的结构之一，其在地震中的破坏将严重影响人类的生命和财产安全。特别是作为主要承重构件的框架柱，其破坏造成的损失往往十分巨大。因此，为了确保钢筋混凝土框架柱能够满足规范要求的“能力设计”的规定，务必要对框架柱抵抗地震破坏的能力进行分析研究。本文结合最新版《建筑抗震设计规范》（GB50011-2010）对钢筋混凝土框架柱抗震调整参数的修订，考虑地震作用和重力荷载的随机性以及混凝土抗压强度与钢筋抗拉强度的不确定性，对随机偏心距下框架柱的抗震可靠度进行分析，同时进一步研究了梁柱刚度变异性对框架柱的抗震可靠度的影响。支持向量机（Support Vector Machine, SVM）是基于统计学习理论而提出得到的机器学习方法，克服了经验风险最小化原则的缺陷，结合了统计学习理论中的结构风险最小化原则，在样本数据较少的情况下构建的模型仍然具有较高的泛化和推广能力，现已经被广泛地应用到各种领域。本文将支持向量机与传统可靠度计算方法相结合，提出了一种基于均匀支持向量的可靠度算法。这种算法在训练样本的选取过程中，结合了样本点对的策略，即在有限元分析过程中，对于任一样本点都可以找到紧邻的一个有效样本和一个失效样本构成样本点对。通过算例对基于均匀支持向量的可靠度算法与MonteCarlo算法计算得到的可靠度指标进行分析比较，结果证明基于均匀支持向量机的可靠度算法在可靠度分析领域应用的可行性。采用基于均匀支持向量的可靠度算法，考虑偏心距具有随机性，对框架柱抗震可靠度进行研究；进一步分析考虑构件截面随机性，功能函数无法显式表达的情况下，通过均匀实验设计，利用支持向量结合样本点对数据高效地拟合出构件的功能函数模型的基础上，分析了梁柱刚度变异性对框架柱抗震可靠度的影响。