变形作为最直观的监测指标，常用来反映大坝的服役性态变化。为建立更加符合混凝土坝变形的预测模型，实现更高精度的混凝土坝变形预测，针对混凝土坝变形序列呈现不确定性和非线性的特征，将核主成分分析(KPCA)引入最小二乘支持向量机(LSSVM)来约简因子关系，降低预测模型的输入维数和复杂度，同时使用北方苍鹰优化算法(NGO)对最小二乘支持向量机进行参数寻优，构建了基于KPCA-NGO-LSSVM的混凝土坝变形预测模型。工程实例表明，KPCA-NGO-LSSVM模型相比传统多元线性回归(MLR)、LSSVM、KPCA-LSSVM的预测值与实际值的拟合效果更好，预测精度更高，能更有效地预测混凝土坝变形。