摘要: 在周期性库水位涨落和季节性强降雨等因素影响下，藕塘滑坡前缘地下水位时间序列呈现混沌特性。以藕塘滑坡前缘水文孔（MZK5）地下水位序列为研究对象，进行混沌分析；并利用饱和关联维数法和最大Lyapunov指数法，在水位序列相空间重构的基础上对混沌特性验证。为克服粒子群算法本身的不足和SVR模型参数选取困难的缺点，采用基于遗传选择策略的粒子群算法（GSSPSO）优化选取SVR模型的参数，再用预测性能较为精准的回归型支持向量机（SVR）模型对其进行预测。对MZK5水文孔地下水位进行了BP神经网络模型预测和优化后模型（GSSPSO-SVR）预测。结果表明：藕塘滑坡前缘地下水位序列具有混沌特征，GSSPSO-SVR模型预测结果的均方根误差为0.036 m，拟合优度为0.803，说明GSSPSO-SVR模型预测效果较理想，且预测精度高于BP网络模型，具有较强的实用性。