土石坝作为如今最实用的坝型,被水电行业广泛应用。由于其自身优、缺点显著导致其安全性需要高度重视,在世界各地,人们采取各种不同的方法来维护其安全,而对其安全预测成为了土石坝维护的重要研究之一,如果采用可靠、精度高的预测方法,这种安全预测方法将变得可行。为了保证土石坝在能够安全运营,对于土石坝的安全监测数据分析方法的研究非常重要,使用可靠的分析方法能够为后期的运行管理提供依据,同时也降低了土石坝的安全隐患。与传统预测方法相比,支持向量机在小样本、非线性预测方面具有更强的泛化能力,已在人脸识别,医学诊断,文本分类,遥感图像分析,时间序列预测等领域得到了广泛的应用。本文在研究和总结了土石坝安全监测数据分析现状和支持向量机应用现状的基础上,建立了基于支持向量机的土石坝渗流预测模型,对该模型进行了实例验证和预测。为了进一步验证其预测效果,利用目前应用较为广泛的GA-BP神经网络预测模型对SVM的预测结果进行对比,并通过实测数据予以验证。结果表明:SVM预测模型的精度相比于GA-BP神经网络预测模型要更优,预测精度最高。