当前城市基坑开挖深度越来越大，周边环境越来越复杂，对基坑施工变形控制的要求也越来越高。准确地预测基坑变形从而指导基坑安全施工对于人类的生命与财产安全具有重大意义。本文将支持向量机方法应用于基坑施工变形预测，研究了基于支持向量机的基坑变形预测及基坑位移反分析的方法，并应用到实际工程中。　　 支持向量机是基于统计学习理论的一种新的机器学习方法，它追求的是在有限样本情况下的最优解而不仅仅是样本数趋于无穷大时的最优解，比以经验风险最小化为基础的神经网络学习算法具有更强的理论依据和更好的泛化性能。最小二乘支持向量机是标准支持向量机的改进算法，它通过将最小二乘线性系统引入支持向量机，代替标准支持向量机采用二次规划方法解决函数估计问题的做法，简化了模型参数，加快了运算速度。　　 本文针对基坑变形的预测问题，应用支持向量机方法，研究了如下几点内容：　　 (1)介绍了SVM及LS-SVM的原理与算法，研究了基于LS-SVM的基坑变形预测的建模方法；　　 (2)在周边基坑相关资料的基础上，建立基坑变形最大值的LS-SVM预测模型，应用该模型预测拟建的烽火通信基坑施工变形最大值；　　 (3)建立基于LS-SVM的时间序列预测模型，包括单测点的多步预测模型和多测点的整体预测模型，并应用这些模型进行基坑水平位移和沉降的时间序列预测；　　 (4)将LS-SVM方法与有限元相结合，研究了基坑位移反分析的方法，应用该方法对某基坑工程实例进行了分析，得到最佳土体参数，并采用这些参数预测下一阶段的施工变形。