随着我国经济的快速发展，城市地下工程的兴建已经成为一种趋势．地铁施工诱发地层环境损伤的众多问题中，地表沉降的预测与控制问题是急待深入研究的重要课题．现有的地表沉降预测研究中，其沉降影响特征的提取都是通过对施工过程的研究和对沉降机理分析并结合实际工作经验得到的，其沉降预测大多采用从工程学和地质学角度研究产生的实际环境模拟方法，如经验法、理论预测法等．近年来，基于人工智能的神经网络数值分析方法在地表沉降预测中得以应用，但包括神经网络在内的众多预测方法中，都是以直接预测沉降值作为目标的，其预测效果因拟合精度的要求而难以保证．本文将以广州地铁三号线土压平衡式盾构施工所诱发地表沉降的预测为背景，运用多元统计的主成分分析方法进行了预测因子的筛选，并以分类判别为目标，建立了地表沉降预测的神经网络模型和支持向量机(Suport Vector Machine，SVM)模型．主成分筛选变量的结果表明，筛选出的预测变量与实际工作所得的沉降影响因子基本一致，这从一定程度上说明此特征提取的方法在实际应用中是可行的．建立在分类基础上的神经网络模型，为地表沉降预测提供了一种新的途径，这种数据处理角度建模方式是符合实际需要的，对它的数据实验结果表明，此方法也是行之有效的．本文首次将基于统计学习理论的SVM方法用于地表沉降预测的建模中，这是一种新思路，是地表沉降预测方法的新探索，这种具有坚实理论基础的预测方法将在进一步的实证研究中得以成熟和完善．