心墙堆石坝渗流安全影响整个运行周期,渗透特性对于心墙堆石坝的渗流安全至关重要,而渗透系数是表征心墙堆石坝渗透特性和填筑质量的重要指标。现有的渗透系数预测模型一般仅考虑料源特征参数,少数考虑了施工质量的单一预测模型存在预测误差大、数据特征获取不全面的不足,收敛效率和预测精度有待于进一步提高。渗透系数影响因素具有非线性特性,且样本数据量较少,BP神经网络（BPNN）预测模型因其较强的自适应能力,支持向量机（SVM）预测模型具有良好的回归性能和适合小样本的特点,已应用于渗透系数的预测研究中。针对BPNN具有收敛速度慢、易出现欠学习或过学习的不足,SVM易因参数设置不当出现预测准确率偏低的问题,本文引入了鲸鱼优化算法WOA（whales optimization algorithm）对SVM参数设置不当的问题进行了优化,采用最大信息熵原理选择最优的权重进行加权平均,提出了考虑施工质量影响的BPNN-WOA-SVM组合模型的渗透系数预测方法,为心墙砾石土渗透特性预测分析提供了新的方法。在渗透系数预测分析基础上,建立了考虑渗透系数随机性的数值模拟模型,进行渗流数值模拟计算。得到主要的研究成果如下:（1）碾压质量是反映心墙堆石坝施工质量的重要因素,通过料源参数和碾压质量参数与渗透系数的相关性分析,确定了渗透预测的输入参数包括:料源参数(大于5mm颗粒含量5D、小于0.075mm颗粒含量D0.075、曲率系数Cc、不均匀系数Cu、含水率W)和碾压参数（碾压层厚度H、高振状态碾压遍数N2、低振状态碾压遍数N1、静碾遍数N0）。基于试坑渗水试验获取料源参数数据,基于碾压质量实时监控系统获取样本点碾压参数数据,将以上数据作为输入参数从而建立考虑施工质量的渗透系数预测模型。（2）基于最大信息熵原理,在满足预测结果和已知约束条件的各种单一预测模型中,选择熵最大的模型为最优模型,建立了基于最大信息熵原理的BPNN-WOA-SVM的渗透系数组合预测模型。相比BPNN、WOA-SVM和EGA-ANN预测模型,组合预测模型降低了均方误差、平均绝对误差和相对分析误差,提高了预测的精度和收敛速度,在渗透系数预测方面具有较强的优越性。（3）考虑渗透系数的空间变异性,将渗透系数分布看作随机场,建立了相应的空间渗流场中渗透系数的随机变量,通过Matlab自动添加程序映射到数值模拟软件计算的剖面有限单元中。采用有限元软件Comsol Multiphysics多孔介质渗流模块进行了渗流数值模拟计算,对渗流水头、浸润线、水力坡降和破坏概率进行分析。（4）结合我国西南某L水电站心墙堆石坝工程进行工程应用。通过基于最大信息熵原理的BPNN-WOA-SVM渗透系数组合预测模型进行心墙区渗透系数预测分析,其预测方法的预测准确率更高,误差较小;考虑施工质量影响的渗透系数预测结果平均值和标准差均有降低,分布更均匀,更符合实际情况。基于随机场的心墙区渗流场有限元数值模拟进行渗流数值模拟计算,通过分析渗流场水头、坝坡渗压、浸润线、水力坡降和渗透破坏概率分析,大坝安全状态良好,不会发生渗透破坏。