矿山排土场的安全稳定一直是关乎到企业“安全生产”的一个重要课题。相较与其他行业,对于矿山排土场的监测以及预警研究仍然处于起步阶段,但是频繁出现的排土场滑坡、塌方、泥石流等灾害带来的人员财产损失和恶劣社会影响不断地给企业敲响警钟。随着以物联网为基础的监测技术的发展,矿山排土场的多指标可视化实时监测系统已经在我国一些较为先进的矿山企业开展。然而这种基于“实时监测-反馈”的报警机制并不能够满足企业防患于未然的要求。因此,在实时监测系统的基础之上实现矿山排土场安全状况短时预测报警机制对进一步提升企业在处理灾害事故的主动性,减少甚至杜绝人员伤亡和财产损失有十分重要的研究价值。本文针对矿山排土场的安全预警现状展开研究,在排土场监测实时数据的基础之上分析并建立了以排土场地表位移矢量为主,其他监测指标为辅的支持向量回归机预测模型。与此同时,为了进一步提升预测效率满足企业实际需求,在模型的基础上通过引入混沌闪烁因子ξ的概念泛化了萤火虫算法在复杂的多极值非线性支持向量机模型中进行参数寻优的能力,并且结合经典函数测试集和具体的排土场实测数据集进行了收敛性能分析。同时,针对长时间段内矿山排土场监测数据激增,支持向量回归机处理效率低下,不能满足实时预测需求的情况,提出了一种基于特征样本缩减和不敏感损失函数模糊自整定的在线学习方法,有效地解决了大规模数据集的快速模型训练和准确预测问题。本文的最后,尝试使用分布式策略来解决支持向量回归机底层的并行交叉训练问题,构建了基于Hadoop分布式集群的批量数据集分布式离线模型训练方法,为实时预测提供了更为有效的底层解决方案。