岩土力学是一门既赋有理论性，并且工程实践性又很强的学科。虽然已经运用材料力学、弹性力学、弹塑性理论等传统的科学提出了各种的求解方法，但是由于岩土介质的复杂性、非线性、不确定性和随机性等特点，导致了传统求解方法的局限性。智能岩石力学的提出和发展为岩土工程问题的解决提出了一个新的思路，统计学习理论和支持向量机的发展对解决很难用数学模型描述的问题有着很好的效果，具有广泛的应用前景。 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，具有较完备的理论基础和良好的学习性能，能很好地解决小样本、非线性、高维数、局部极小点等实际问题。本文将最小二乘引入支持向量机形成最小二乘支持向量机并将它应用于岩土工程问题的研究中，主要工作如下：1.针对岩土工程反分析研究中现有方法的缺点，通过对支持向量机的研究，将支持向量机引入到岩土工程领域。并且针对标准支持向量机计算速度较慢、计算复杂性高、不易收敛等缺点，将最小二乘引入支持向量机中形成最小二乘支持向量机。该方法简化了计算复杂性，有效的降低了计算代价，算法易实现且收敛速度快。 2.针对边坡稳定性估计问题，采用最小二乘支持向量机建立了边坡稳定性估计与影响边坡稳定性因素之间的非线性映射关系。其中作者分别建立了最小二乘支持向量机边坡安全系数预测模型和最小二乘支持向量机边坡稳定性状态预测模型，用这两个模型说明了最小二乘支持向量机应用于边坡稳定性估计时具有良好的推广性能。 3.针对岩体工程分级的复杂性，采用最小二乘支持向量机回归算法来解决多类别分类问题，通过对相同工程岩体的分级结果对比，证明了采用最小二乘支持向量机回归算法来解决岩体工程分级是可行的。