首先介绍了基于统计学习理论的一种新的机器学习技术——支持向量机（Support Vector Machine，SVM），并针对目前支持向量机参数选择时人为选择的盲目性，将具有良好优化性能的混沌优化（Chaos Optimization）技术应用到支持向量机惩罚函数和核函数参数的优化，提出了混沌优化支持向量机（Chaos Optimization Support Vector Machine，COSVM）方法。根据丰满大坝1997～2004年的实际监测数据，建立了混沌优化支持向量机大坝安全监控预测模型，进行了与统计回归模型和BP神经网络模型的分析比较，结果表明，COSVM模型具有更高的预测精度，同时在较长时段的预测中，COSVM模型也表现出更好的泛化推广性能。