針對巖溶系統(tǒng)結(jié)構(gòu)不甚清晰、基礎(chǔ)資料不完備條件下泉水流量預(yù)報(bào)問題,引入了能較好地解決小樣本、非線性、高維數(shù)和局部極小點(diǎn)等問題的支持向量機(jī)(Support Vector Machines,SVM)方法,將泉流量影響因子時(shí)間序列與支持向量機(jī)方法有機(jī)結(jié)合,建立了巖溶水系統(tǒng)支持向量機(jī)泉流量預(yù)報(bào)模型,并與BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了實(shí)例比較。結(jié)果表明,SVM模型具有泛化能力強(qiáng)、預(yù)報(bào)精度高的特點(diǎn),可很好地克服神經(jīng)網(wǎng)絡(luò)的過學(xué)習(xí)問題,同時(shí),針對SVM模型"峰值"預(yù)報(bào)精度差的缺點(diǎn),提出了"峰值"預(yù)報(bào)解決方案。