优良的坝基灌浆施工质量对于保证大坝的安全、长久、稳定运行具有重要意义。灌浆功率作为灌浆过程中重要的控制参数,有效确定灌浆功率阈值范围并准确预测灌浆功率,有助于实时调控功率于阈值范围之内,保证灌浆施工质量。然而,现有的灌浆功率预测研究未充分考虑灌浆功率通常包含噪声,且具有非线性、波动性特征,预测精度有待进一步提高,且目前施工现场多依靠有限个原位点的灌浆生产性试验并结合专家经验确定灌浆功率阈值,缺乏综合考虑地质条件和施工因素影响下的灌浆功率阈值的有效预测研究。针对上述问题,本研究利用支持向量回归算法能有效解决高维、非线性和小样本问题的优势,提出基于改进支持向量回归算法的坝基灌浆功率预测方法,主要研究成果如下:首先,提出坝基灌浆功率阈值IJaya-SVR预测方法。提出基于改进拉丁超立方抽样（Improved Latin Hypercube Sampling,ILHS）方法的三维精细裂隙网络模型建模方法,保证裂隙抽样结果与实际情况的一致性,应用建立的裂隙模型和灌浆实时监控系统获取地质参数和施工参数作为灌浆功率阈值预测模型的输入参数;采用改进Jaya（Improved Jaya,IJaya）算法优化支持向量回归（Support Vector Regression,SVR）算法的惩罚因子C、核参数g以及不敏感损失系数ε,建立IJaya-SVR预测模型,克服了传统SVR方法采用人工选择参数效率低下,且参数选择存在主观性等不足,其中,通过引入混沌理论和Lévy飞行对标准Jaya算法的种群初始化公式和更新公式进行改进,提高Jaya算法的寻优能力,实现灌浆功率阈值高精度预测。其次,针对灌浆功率实测数据包含噪声,且具有非线性、波动性等特征,提出基于IJaya-SVR算法的坝基灌浆功率预测方法。结合箱线图法、经验小波变换和偏自相关函数对原始灌浆功率实测数据进行降噪、分解、特征提取等预处理,并在此基础上应用IJaya-SVR算法对灌浆功率进行预测,为现场灌浆功率的有效控制提供技术支撑。最后,结合我国西南地区某水电工程,开展基于改进支持向量回归算法的坝基灌浆功率预测研究。采用所提方法进行灌浆功率阈值和灌浆功率预测,结果表明,本文方法具有一致性、有效性和优越性。其中,灌浆功率阈值预测方法相较于BP神经网络、SVR和Jaya-SVR预测方法具有最小的均方根误差、平均绝对百分比误差、平均绝对误差以及最大的等系数;灌浆功率预测方法相较于对比方法在平均绝对百分比误差和平均绝对误差两项指标中改进率最高可达86.31%和85.39%,表现出良好的预测能力。