作为机器学习重要的算法,支持向量回归(SVR)在Vapnik等人提出之后,迅速得到推广,并在各大领域得到了应用,该算法基于结构风险最小化原则,能有效的解决高维非线性系统的模式识别问题。利用支持向量回归算法(SVR)进行土石坝坡安全系数模型的建立,计算出坝坡的可靠度。然而SVR算法的精度很大程度上取决于自身的参数,如惩罚系数,不敏感损失系数以及核参数等,需要对这三个参数进行合理的选择,使得模型的精度和泛化能力达到平衡的效果。作为一种群优化算法,粒子群算法具有很强的全局优化能力,能够解决支持向量回归模型的初始参数寻优问题。然而粒子群算法也有常数固定,空间遍历性不好,寻优能力较弱,收敛速度精度都不够精确等缺点,因此引入自适应理论改善加速度常数,采用混沌映射来替换均匀随机分布,改善粒子的空间遍历性,Lévy飞行加速算法的收敛,改善最优粒子的局部搜索能力,从而提出了自适应混沌Lévy飞行粒子群算法(ACL-PSO)通过SVR与本文提出的ACL-PSO算法相结合,对SVR参数进行寻优,提出了基于ACL-PSO算法的SVR(ACL-PSO-SVR),通过UCI数据集测试表明,该算法具有非常高的拟合精度,因此,可以采用本算法对结构的安全系数进行模型的建立,进而实现对土石坝的可靠度。