露天矿开采是有益于矿物开采的重要方式，相对于其它开采方式，其具有很多优点，例如:成本低廉、生产率高、损失小、回采便捷。正因如此，露天矿开采比率呈现出逐年上升的趋势。但随着采动范围不断扩大，开采引起的沉陷规模也随之增加，会逐渐由岩体的内部发展到地表部分，从而导致地表的移动或变形。露天矿的开采也形成了很多裸露边坡，这些边坡带了的潜在地质灾害逐渐成为威胁矿区安全生产及周边居民生活的重要影响因素之一。故为了能够保障矿区的生产秩序，对边坡的沉降预测是很必要的。　　由于边坡沉降是一个具有复杂非线性关系的系统，传统的预测理论难以取得很理想的预测结果。支持向量机理论具有良好的拟合性，因此本文以抚顺发电有限公司厂区为研究对象，选择了支持向量机模型对露天边坡沉降进行预测。但由于观测条件等外界因素的影响，已有沉降观测数据会包含一定噪声，小波分析具有多分辨率分析的特点，能够很好的将噪声从信号中剥离出来，提取出信号中的有用信息。故本文采用小波变换理论对沉降观测数据进行去噪，为以后的沉降规律研究以及建模预测打下良好的基础。然后，对厂区沉降规律进行研究，得出厂区沉降的总体趋势。　　支持向量机理论是一种基于统计学理论的学习机器，而最小二乘支持向量机理论是建立在其基础上的改进理论，二者均具有很强的学习能力。建立支持向量机模型的关键是进行参数的寻优，鉴于传统的参数寻优方法的局限性，提出了交叉验证与粒子群理论相结合参数寻优方法。本文分别采用交叉验证法、粒子群理论、交叉验证与粒子群理论相结合的方法进行参数寻优建立了支持向量机模型、最小二乘支持向量机模型，并进行不同模型的精度比较。通过实验印证，发现利用交叉验证与粒子群理论相结合的参数寻优方法所建立的最小二乘支持向量机模型具有更高精度，适用于露天边坡的沉降预测。应用该模型进行厂区沉降数据的预测，并对预测结果对进行分析，得出抚顺发电厂厂区未来沉降趋势，实现对边坡沉降预测的目的。