文摘液性指数是研究土壤稳定性、土体变形、土体强度等问题的关键参数,因此对液性指数的准确预测至关重要。基于南京和合肥地区黏性土的孔压静力触探(piezocone penetration test,简称CPTU)原位测试数据集,以室内液塑限试验计算的液性指数为参考值,采用支持向量回归(support vector regression,简称SVR)、粒子群算法优化支持向量回归(particle swarm optimization based SVR,简称PSO-SVR)、遗传算法优化支持向量回归(genetic algorithm based SVR,简称GA-SVR)、模拟退火算法优化支持向量回归(simulated annealing based SVR,简称SA-SVR)对土体的液性指数进行评价,并将预测结果与室内试验结果以及CPTU经验公式对比。为更贴近工程实践,以原位测试时的孔洞为单位,进行单孔预测分析,最后,进行参数敏感性分析。结果表明,SVR模型和优化的SVR模型,都能预测黏性土的液性指数,算法优化后的3种模型在性能上表现更好。单孔分析时,SA-SVR模型以波动平滑、峰值适中等优点,预测效果更佳。工程实践中,建议采用归一化锥尖阻力、摩阻比、孔压参数比、上覆应力及有效上覆应力作为输入变量。PSO-SVR模型、GA-SVR模型、SA-SVR模型敏感性走向均与理论相同,但SA-SVR模型跨度更小,与理论结果更加一致,验证了SA-SVR模型的准确性。所提出的SA-SVR模型可以更好地预测黏性土的液性指数,并指导工程实践。