据国内不完全统计,始建于二十世纪中期的各个类型建筑因为经历岁月的变迁,会形成建筑沉降,从而引发倾斜,开裂等各种建筑安全问题。并且在这些陈旧的建筑中,存在很多不经允许任意改动以及改建的房屋建筑,针对这些存在安全问题的建筑,如果不及时进行检测维修,就容易引发安全事故。近年来,随着建筑业的全面发展,城镇建筑的数量也在日益增多,然而,土地供应也因为城市规划布局日趋减少,为了节约土地资源,全国各大城市出现了很多高层建筑物。而部分高层建筑会在施工期间,会因为荷载过高引发不同程度的沉降,还有部分高层建筑会在运营期间因为地下水位改变、相邻新建建筑等多种外界原因,产生不同程度的建筑沉降。在这种情况下,如何有效地进行沉降预测成为建筑领域亟待解决的首要课题。(1)国内常用的建筑沉降预测方法,但存在预测参数精度不高的问题,为此本文提出将粒子算法和支持向量机算法融合,利用粒子适应度高,搜索能力强的优势来优化支持向量机预测的相关参数,组建基于CPSO的建筑沉降预测模型。(2)结合山东某地会展中心的沉降实测数据,借鉴混沌理论相空间重构的优势,通过建立的相空间结构得到学习样本。以Matlab R2016b为平台,采用libsvm进行编程扩展,并用Microsoft Visual Studio 2013进行编译,对单一的支持向量机预测模型和优化后的支持向量机预测模型进行训练。(3)在计算机仿真环境下,将均方、平方和、平均绝对误差作为主观和客观评价指标,评价最小二乘支持向量机、混沌粒子群、混沌粒子群优化组合最小二乘支持向量机建立的建筑沉降预测模型的预测性能,其实验结果说明,基于CPSO-LSSVM的建筑沉降预测模型均方误差、平方和误差、平均绝对误差均优于传统模型,并且鲁棒性高于其他算法建立的预测模型,能够满足建筑沉降预测对其精度的需求。证明了基于混沌粒子群算法的最小二乘支持向量机预测模型可以跟踪建筑沉降的变化趋势,在建筑行业具有较高的适用性。