近年来，国内外众多的学者对煤矸石的研究进行了越来越多的尝试。我国在公路、铁路工程中相继开展了煤矸石的工程应用试验，取得了较好的成绩。但是煤矸石本身的强度并不大，如果将煤矸石掺加一定比例的粉煤灰、生石灰或者少量水泥，配置成能够满足工程使用要求的回填材料，能够提高强度，节约工程成本，而且将煤矸石、粉煤灰这些工业废料变废为宝，经济与社会效益明显。通过实验的手段来研究煤矸石混合料的性能是多数学者采用的方法，这种方法非常严谨科学，获得的结果也比较可靠。但是这种方法需要耗费大量的人力、物力和财力，而且还需要耗费时间，因此，能否找到某种智能算法取代部分实验内容，减少对人力、物力、财力和时间的消耗是非常有价值的。建立神经网络模型来预测煤矸石混合料无侧限抗压强度，虽然该方法是一种和传统方法截然不同的方法，能取得良好的预测效果。但是,该方法需要大量的训练样本才能保证对未来的新样本得到很好的预测结果,且易陷入局部极值,泛化能力差,影响了其进一步的应用。本文以煤矸石混合料无侧限抗压强度为研究对象，以煤矸石、粉煤灰、生石灰、水泥因素四个方面对煤矸石混合料无侧限抗压强度作为指标。在此基础上，利用在预测系统领域有优越表现的支持回归向量机，并将该智能化方法结合启发式遗传算法，对支持向量机中难以确定的参数进行优化，构建了基于遗传-支持向量机的煤矸石混合料无侧限抗压强度预测模型，将其预测结果与基于交叉验证支持向量回归机中的参数优化作比较，证明了该模型的可行性和有效性。论文最后以邢台地区煤矸石混合料无侧限抗压强度项目为例进行了实证分析，对模型的实际应用效果进行了验证。