混凝土面板堆石坝因其独特的优越性而被广泛应用于现代坝工建设中。目前,它已成为大坝建设的主要选择坝型之一。变形的预测、分析和控制是制约面板坝安全施工的关键问题。面板坝的安全隐患和不利条件,如坝顶超高不足、混凝土面板开裂、接缝受拉变形等,与坝体变形密切相关。有效、合理地预测和控制变形是面板坝进一步发展至关重要的因素。本文采用门限回归理论、改进的支持向量机和集成学习方法,对混凝土面板堆石坝变形预测模型展开研究。主要研究内容如下:（1）在现有面板坝实测变形数据库的基础上,建立了包含94个面板坝典型变形参数和主要施工信息的实例数据库。在总结面板坝典型变形规律的基础上,运用门限回归分析理论,建立了 3个典型变形参数与其6个主要影响因素之间的经验预测模型,并对各影响因素的重要性程度进行了深入评价。从数理统计的角度定量研究了面板坝典型变形参数与其影响因素之间的经验关系。（2）针对传统经验预测方法的不足,采用支持向量机对面板坝的变形进行预测。引入混合权重系数构造自适应混合核函数,采用粒子群智能优化算法对模型的主要参数进行优化,建立了用于预测面板坝变形的改进支持向量机模型。为了进一步完善模型,采用多元门限回归理论对实例数据库进行聚类划分,并在不同坝高区间内建立单一改进支持向量机预测模型。从机器学习的角度挖掘变形参数及其关键影响因素之间的非线性关系。（3）为了进一步提高单一改进支持向量机预测模型的预测精确度和鲁棒性,本文引入集成学习思想,将集成学习模式与具备强学习能力的改进支持向量机相结合,建立改进支持向量机自适应提升（改进SVR-AdaBoost）的集成预测模型对面板坝典型变形参数展开预测。该模型融合了单一改进支持向量机和AdaBoost集成学习的特点,对历史数据样本赋予不同的权重,来凸显不同实例样本在模型中的区别,同时将迭代优化得到的多个改进支持向量机模型加权累加来获取最终预测值,改进了单一预测模型的不足。实验结果表明改进SVR-AdaBoost集成预测模型可以有效地提高预测精度,并且相对于单一改进支持向量机预测模型结果上有了较大的提高。最后,为进一步验证本文构建的各个面板坝变形预测模型,以公伯峡面板坝为例,对构建的面板坝门限回归经验预测模型、单一改进支持向量机预测模型和改进支持向量自适应提升集成预测模型进行工程验证,取得了良好的效果,可为待建或无实测数据的混凝土面板堆石坝典型变形参数预测提供参考。