作为水资源优化配置及时空调控的重要工程措施,大坝在控制洪水、存储水源、调节旱情等方面发挥着巨大作用。但大坝的工作条件复杂、影响因子众多,极易发生形变而导致灾害发生。然而,当前常见的大坝变形预测方法由于其自身的局限又无法满足大坝变形的预测精度要求。所以,如何有效提升大坝变形的预测精度、及时精准的预测大坝变形就显得极为重要。论文所做的主要工作如下:首先,论文对大坝变形预测的研究背景及意义与其国内外研究现状进行了介绍。针对当前常见的预测与研究方法的局限性,本文提出了一种改进灰狼(Improved Grey Wolf Optimization,IGWO)算法来优化支持向量机(Support Vector Machine,SVM),进而利用该优化支持向量机建立大坝变形预测模型对大坝变形进行预测。其次,论文对样本数据进行归一化预处理,并运用Matlab2014a开发平台对相关程序和代码进行设计、运行及调试,利用改进的灰狼算法寻找最优的支持向量机参数组合,并建立基于该最优参数组合的大坝变形预测模型。最后,论文通过丰满大坝及黄河小浪底水利枢纽大坝两组观测数据对建立的基于改进灰狼算法优化支持向量机的大坝变形预测模型进行验证与分析。实验结果表明,在与布谷鸟算法、差分进化算法、粒子群算法和基本灰狼算法优化支持向量机建立的预测模型比较中,基于改进灰狼算法能够比较有效地优化支持向量机参数,使建立的大坝变形预测模型预测效果良好,从而有效的提升了大坝变形预测精度。