首先介紹了基于統計學習理論的一種新的機器學習技術——支持向量機（Support Vector Machine，SVM），并針對目前支持向量機參數選擇時人為選擇的盲目性，將具有良好優化性能的混沌優化（Chaos Optimization）技術應用到支持向量機懲罰函數和核函數參數的優化，提出了混沌優化支持向量機（Chaos Optimization Support Vector Machine，COSVM）方法。根據豐滿大壩1997～2004年的實際監測數據，建立了混沌優化支持向量機大壩安全監控預測模型，進行了與統計回歸模型和BP神經網絡模型的分析比較，結果表明，COSVM模型具有更高的預測精度，同時在較長時段的預測中，COSVM模型也表現出更好的泛化推廣性能。