为解决边坡稳定性问题,提出了基于SAPSO-ELM的边坡稳定性预测模型。首先,在统计分析大量工程实例的基础上,选取孔隙水压力、黏聚力、边坡高度、内摩擦角、岩石重度、边坡角作为主要判别指标;然后,利用因子分析模型对数据进行属性约简,提取公共因子,减少判别指标之间信息交互;最后,为避免极限学习机(ELM)隐层参数随机生成导致的网络结构不稳定问题,利用模拟退火粒子群算法(SAPSO)对极限学习机的参数寻优,将约简集作为SAPSO-ELM模型的输入进行训练,利用训练好的SAPSO-ELM模型预测样本,并对比其他模型的预测结果。结果表明:利用因子分析提取的公共因子包含原变量因素中绝大部分信息,能减少信息冗余,SAPSO-ELM模型可有效避免PSO在寻优过程中易陷入局部极值及ELM受参数随机性影响的问题,提高了收敛速度和预测精度,可实现对边坡稳定性的有效预测。