边坡的安全问题一直是工程地质学科的一个重要课题，在现实中具有广泛的应用背景和实际意义，如何正确地评价边坡的稳定性以及获取边坡的各项参数一直都是国内外科研生产人员研究的重点。近年来，各种人工智能计算方法不断被科研生产人员应用到岩土工程与工程地质领域，为边坡稳定性分析和参数反分析的求解提供了一些新的思路。支持向量机(Support Vector Machine，SVM)在处理有限样本、高度复杂、非线性的问题上具有独特的优势和泛化性，目前已成为智能方法的研究热点，在边坡工程的各应用领域受到了广泛关注。本文便基于一种布谷鸟搜索算法改进的支持向量机方法(CS-SVM)，将其应用于边坡的稳定性分析及参数反演上。主要工作如下：(1)布谷鸟搜索算法具有很好的全局搜索能力，不易陷入局部最优，且算法所涉及参数较少，简单通用，具有较强的适应能力及推广空间。本文以一维地下水系统的参数反演的算例验证了该优化算法的适用能力。(2)针对支持向量机在核函数参数及惩罚数上选取上的问题，提出了利用布谷鸟搜索算法改进支持向量机的方法，利用布谷鸟搜索算法全局的优化能力对算法进行改进。(3)针对所采集的边坡实例样本，利用支持向量机分类算法对测试样本进行了初步的稳定状态识别，并利用改进支持向量机算法分析了测试样本的安全系数，结果对比表明了该方法的合理性及可靠性。(4)以一个简单的坝体边坡为例，利用均匀设计和Geo-Studio的SEEP模块构造40组监测孔水头与坝体渗透系数的样本数据。基于改进支持向量机反演测试样本的渗透系数，通过反演值和理论值的对比，表明用改进支持向量机对坝体边坡渗透系数进行反演是基本可行的。