在水利工程中有很多高耸或长大结构,如高坝及其坝顶建筑、工作桥及大跨渡槽等,而风和地震等时间序列荷载对这些结构影响的很大,一些工程因之而受到影响而出现事故,甚至造成灾难。深入研究风与地震等时间序列荷载的特性和规律,并对其进行预测,将有助于结构的振动控制,避免或减轻工程灾害。本文应用经验模态分解及支持向量机模型,研究风速及地震加速度的预测问题,主要内容如下:1)分析了风、地震所具有的不稳定的特点以及应用于预测非平稳数据序列的方法,对传统预测方法的特点和目前应用较多的预测方法进行了比较。2)介绍了基于统计学理论的支持向量机和基于结构风险最小化的最小二乘支持向量机学习方法的原理;经验模态分解方法的基本原理、详细分解步骤及一些问题的解决方法;为了提高模型预测准确性,引入粒子群优化算法,建立预测模型时模型核函数和参数选择问题、具体的模型建立步骤。最后以风速预测和地震加速度预测为例验证这种预测方法的有效性。3)提出了基于经验模态的分解与多步预测的最小二乘支持向量机相结合的方法,对风速的非线性时间序列分析进行了建模预测。首先对风速动态信号加以经验模式的分解,将原信号分解为若干个不同特征尺度(频率)的本征模态函数。再建立多步预测为基础的最小二乘支持向量机预测模型,对不同频带的平稳IMF分量进行预测,将各分量的预测值等权求和得到最终预测值。发现EMD与多步预测的LS-SVM相结合的风速预测方法比单一的LS-SVM预测方法的预测精度更高。在此基础上应用PSO优化算法对模型参数的选择进行优化,得到优化后的预测结果。4)因为地震加速度同样具有非平稳的时间序列的特点,所以,同样地应用基于PSO优化的EMD-LS-SVM预测方法对加速度序列进行建模预测。计算结果验证了这种组合方法在非平稳时间序列预测上的适用性。最后对本论文中的成果进行了分析总结,对今后的研究方向进行了展望。