简要介绍了基于统计学习理论的支持向量机回归(SVR)原理,针对边坡稳定性影响因素的复杂性,结合实例运用SVR技术构建了铀矿边坡稳定性的支持向量回归预报模型,并利用网格搜索与留一交叉验证方法(LOOCV)优化模型参数。研究表明,在小样本条件下,SVR预报模型对训练样本的计算值与实测值平均相对误差(MRE)为0.045967%,相对均方误差(MSRE)为0.046371%,拟合值(VOF)为1.999995765,相关系数(R)为0.9984,均比人工神经网络方法的相应指标值要小,说明支持向量回归方法是一种科学有效的矿山边坡稳定性的分析方法。