针对传统工程地质分区存在的数据获取困难、分类过程复杂及效率不足等问题,本研究提出了一种基于支持向量机(SVM)技术的智能化分区方法,并以河南省洛宁县吉家洼金矿为例进行验证。该金矿区工程地质条件复杂,主要岩性为黑云斜长片麻岩和角闪斜长片麻岩,局部发育工程地质条件较差的辉绿岩脉,南北向断裂贯穿矿区,节理裂隙较为发育且分布不均。基于监督学习框架,本研究首先构建了工程地质特征数据集,利用700 m中段以上已揭露区域的已知分区数据训练SVM模型,进而对700 m中段以下未开采区域进行分区预测。研究表明,SVM通过高斯核函数将非线性地质特征映射至高维空间,有效实现了复杂地质数据的线性可分。在最优参数条件下,模型在训练集和测试集上的分类准确率分别达到99.72%和99.82%,证明了该方法在复杂地质条件下的可靠性和准确性。本研究的创新性体现在:(1)建立了基于SVM的工程地质智能分区方法;(2)验证了该方法在数据有限条件下的适用性;(3)为复杂地质环境下的矿山开采提供了科学依据。该研究成果不仅可直接指导吉家洼金矿的安全生产,也为类似矿区的智能化地质评价提供了可推广的技术方案。